待验证50% 置信事实精确时间

拒绝采样微调（RFT）是一种无需人工偏好标注的后训练范式，最初由Meta在LLaMA 2研究中推广

1

来源数

50%

置信度

长期有效

时效性

2026/10/7

首次发现

来源

无需证据标注：仅凭判决结果训练模型恢复法律文本依据

涉及实体

Metacompany LLaMA 2model RFTconcept

相关事实

待验证当前主流LLM普遍采用预训练加微调范式，先在互联网规模语料上无监督预训练，再通过RLHF等技术对齐人类偏好70% 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69% 相似已验证SFT-奖励模型-RLHF三阶段对齐训练范式最早由OpenAI在InstructGPT论文中系统提出68% 相似待验证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68% 相似待验证MDT使用LoRA（低秩适配）作为核心微调手段以降低训练成本68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/983001

API

curl https://kongchang.com/api/v1/knowledge/claims/983001

MCP

get_claim(id=983001)