Partially Verified65% confidenceFactExact time
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
3
Sources
65%
Confidence
Long-term
Relevance
7/23/2026
First Seen
Sources
Related Claims
Unverified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79% similarVerified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78% similarVerifiedSFT-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75% similarVerified当代前沿模型的训练方法包括RLHF（基于人类反馈的强化学习）及其后继者RLAIF和过程奖励模型（PRM）74% similarUnverified字节跳动面试高频考察RLHF的GenericGPT → SFT → RL三阶段训练流程74% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/602261API
curl https://kongchang.com/api/v1/knowledge/claims/602261MCP
get_claim(id=602261)