待验证50% 置信事实精确时间

ClueFlow在SFT阶段带来一致提升，PPO阶段进一步提升。

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/20

首次发现

有效期至：2027/1/18

来源

ClueFlow：用归因状态转移破解长程搜索难题

涉及实体

ClueFlowconcept SFTconcept PPOconcept

相关事实

待验证SFT（监督微调）用人工标注的提示-回答对直接优化模型输出分布，InstructGPT、Alpaca等早期指令微调工作均以SFT为核心63% 相似待验证Top-p 采样已被 GPT-2 等模型广泛采用，在开放域生成任务中表现优于固定 Top-k57% 相似待验证PPO 是早期 RLHF 流程（如 InstructGPT）的核心组件56% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1073990

API

curl https://kongchang.com/api/v1/knowledge/claims/1073990

MCP

get_claim(id=1073990)