待验证50% 置信事实精确时间
训练循环是驱动模型参数迭代更新的控制流程，通常包含前向传播计算损失、反向传播计算梯度、优化器更新参数这几个步骤的循环。
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
已验证微调（Fine-tuning）通过反向传播算法在预训练权重基础上继续更新参数，使模型适应特定领域或任务风格75% 相似待验证在强化学习流程中，模型需要不断生成候选输出（rollout），这些输出被评估打分后反馈回训练过程以更新策略74% 相似待验证机器学习的训练循环范式包括定义任务、执行、评估结果、根据反馈调整、再次执行74% 相似待验证Scheduled Sampling是缓解曝光偏差的折中方案，在训练后期逐渐引入模型自身预测作为输入73% 相似待验证推理训练一体化趋势指训练与推理共享模型定义、并行策略和调度基础设施，减少两套系统的重复建设；vLLM 在推理侧积累的 PagedAttention、连续批处理等能力正逐步向训练后阶段延伸。73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1103372API
curl https://kongchang.com/api/v1/knowledge/claims/1103372MCP
get_claim(id=1103372)