待验证50% 置信事实精确时间
SimPOTrans 采用两阶段 RL 后训练流程：第一阶段让模型在部分语音输入条件下产生有利于同传的行为，第二阶段进一步强化自适应能力。
1
来源数
50%
置信度
长期有效
时效性
2026/10/27
首次发现
来源
涉及实体
相关事实
待验证主流代码大模型均采用「预训练+指令微调」的两阶段策略，第二阶段通过RLHF或DPO等对齐技术77% 相似待验证SimPOTrans 是一个基于强化学习的框架，让原本做离线语音翻译的模型自适应地转变为对话式同传模型。73% 相似待验证SimPOTrans 之所以能仅靠调整分块大小控制权衡，是因为 RL 后训练已让模型学会在信息不完整时做出合理决策。73% 相似已验证RL阶段每一步训练需要同时运行推理（生成rollout）和反向传播（更新权重），因此算力需求远高于普通微调70% 相似待验证ChatGPT训练中预训练阶段使用非监督学习做下一个词预测，指令微调阶段引入监督学习，最后通过RLHF对齐模型输出66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1102055API
curl https://kongchang.com/api/v1/knowledge/claims/1102055MCP
get_claim(id=1102055)