待验证50% 置信事实精确时间
Hydrogen-1.0的训练方法结合了监督微调(SFT)与强化学习(RL),数据来源包括领域数据、科学家反馈、自有实验室记录以及发现轨迹。
1
来源数
50%
置信度
长期有效
时效性
2026/11/4
首次发现
来源
涉及实体
相关事实
待验证Hydrogen-1.0 的训练数据包括领域数据、实验室记录以及智能体发现轨迹(agent discovery trajectories)。79% 相似已验证从预训练检查点到可商用产品需经历监督式指令微调(SFT)和基于人类反馈的强化学习(RLHF)两个后训练阶段73% 相似待验证Hydrogen-1.0选择从GLM-5.3后训练而非从零训练,走的是“基座+领域深耕”的路线。72% 相似待验证RLHF(基于人类反馈的强化学习)是训练ChatGPT的关键技术68% 相似待验证自监督学习通过从数据自身构造监督信号,已成为 BERT、GPT、MAE 等大规模预训练模型的核心训练策略68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1134460API
curl https://kongchang.com/api/v1/knowledge/claims/1134460MCP
get_claim(id=1134460)