待验证50% 置信事实精确时间

后训练通常涵盖监督微调（SFT）、强化学习对齐（RLHF/RLAIF）以及领域适配微调，视觉推理模型还涉及视觉指令微调

1

来源数

50%

置信度

长期有效

时效性

2026/7/16

首次发现

来源

用Agent Skills一天完成Cosmos模型微调，准确率突破90%

相关事实

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79% 相似已验证大模型训练经历三个核心阶段：预训练、有监督微调（SFT）和偏好对齐73% 相似待验证SWE-bench开放的运行轨迹数据可用于监督微调（SFT）或强化学习的训练信号71% 相似待验证SFT（监督微调）训练的模型存在'模仿天花板'，其表现上限受限于标注数据的质量和多样性71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/530043

API

curl https://kongchang.com/api/v1/knowledge/claims/530043

MCP

get_claim(id=530043)