待验证50% 置信事实精确时间
SEMA-Auto 采用两阶段训练：第一阶段为合成引导微调，第二阶段为决策监督强化学习。
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LLaVA的训练分为两个阶段：第一阶段是预训练对齐（冻结视觉编码器和语言模型，仅训练投影层），第二阶段是指令微调（解冻语言模型进行端到端训练）70% 相似待验证TRACER 采用两阶段训练：第一阶段在真实用户对话上做监督微调（SFT），第二阶段引入多轮强化学习（RL）68% 相似待验证Pistis的训练流程分为两个阶段：第一阶段为大规模多模态监督微调（SFT），第二阶段为交替蒸馏与强化学习（IDRL）67% 相似待验证多阶段训练流程的第一阶段是训练自编码器将序列和结构数据分别编码为潜在表示65% 相似待验证Agima 的训练分为两个阶段：第一阶段用监督微调（SFT）将策略与世界模型统一到同一个全能模型中；第二阶段用智能体强化学习（RL）教模型在想象出的未来上进行推理并用于规划。65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1103172API
curl https://kongchang.com/api/v1/knowledge/claims/1103172MCP
get_claim(id=1103172)