待验证50% 置信事实精确时间

该研究从同一个预训练的GPT-2 Small检查点出发，分别施加匹配的标准持续训练和对抗持续训练两种条件

1

来源数

50%

置信度

长期有效

时效性

2026/9/30

首次发现

来源

表征简洁≠电路更小：对抗训练揭示可解释性的阈值分野

涉及实体

GPT-2 Smallmodel

相关事实

待验证相比全量预训练，SFT 所需的数据量和算力要小得多，但仍需要 GPU 集群、分布式训练框架以及检查点管理和实验追踪能力75% 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74% 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71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/961070

API

curl https://kongchang.com/api/v1/knowledge/claims/961070

MCP

get_claim(id=961070)