待验证90% 置信事实时间未知

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）

1

来源数

90%

置信度

长期有效

时效性

2026/6/1

首次发现

来源

MiniMind-V：2小时从零训练65M参数视觉多模态大模型完整教程

githubjingyaogong

涉及实体

相关事实

待验证微调VLA模型时通常采用分层学习率策略：视觉编码器使用极小学习率或冻结，语言模型层使用中等学习率，动作专家使用较大学习率73% 相似待验证训练风格统一的参考图即可训练出专属风格的LoRA模型68% 相似待验证子曰大模型在预训练和微调阶段大量使用了教材、习题、解题过程等教育语料，使其在教育任务上具备更强的专业性68% 相似待验证QwQ-32B采用两阶段强化学习训练策略：第一阶段在数学和编程任务上进行强化学习，第二阶段扩展到通用领域68% 相似待验证CAI训练分为两阶段：先让模型依据原则进行自我批评与修正（SL-CAI），再通过基于AI反馈的强化学习（RLAIF）优化67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/29993

API

curl https://kongchang.com/api/v1/knowledge/claims/29993

MCP

get_claim(id=29993)