待验证50% 置信事实精确时间

一个典型的后训练流水线是：预训练 → 监督微调（SFT）→ 偏好优化（RLHF / DPO / GRPO）

1

来源数

50%

置信度

长期有效

时效性

2026/8/28

首次发现

来源

后训练技术全解析：SFT、PPO、DPO与GRPO原理及选型指南

涉及实体

后训练concept SFTconcept RLHFconcept

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72% 相似待验证后训练优化包括指令微调、RLHF或DPO策略调整、系统提示词工程改进及工具调用和多模态融合能力强化71% 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71% 相似待验证RLHF和DPO等对齐技术的效果高度依赖预训练基础质量，预训练阶段未习得的能力几乎无法通过后续对齐补救68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/810413

API

curl https://kongchang.com/api/v1/knowledge/claims/810413

MCP

get_claim(id=810413)