已验证80% 置信事实精确时间
「后训练」（Post-training）是预训练完成后的对齐与能力强化阶段，通常包括SFT、RLHF及基于过程奖励模型的强化学习（如GRPO、DAPO）
4
来源数
80%
置信度
长期有效
时效性
2026/9/30
首次发现
来源
涉及实体
相关事实
待验证小版本号跃迁通常对应后训练（Post-Training）阶段的优化，而非预训练的重新训练78% 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76% 相似待验证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）75% 相似待验证persona post-training 通常属于监督微调（SFT）或偏好对齐（如 RLHF、DPO）的特化变体，更关注模型输出的一致性而非能力上限73% 相似待验证LTX-2.5 在训练中引入了更大规模的训练集与强化学习后训练（RL post-training）72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/960780API
curl https://kongchang.com/api/v1/knowledge/claims/960780MCP
get_claim(id=960780)