#后训练
共 3 篇相关文章
·4 分钟
Perplexity与NVIDIA推出JOLT：师生联合强化学习新方法
Perplexity与NVIDIA联合提出JOLT后训练方法，让单一模型同时充当教师与学生，在MATH基准上以6.5倍更少训练token达到GRPO同等准确率。本文解读其师生联合强化学习机制、token效率意义与待验证问题。
阅读全文 →
观点碰撞·9 分钟
Scaling Law再思考：参数不是唯一答案
深度解析Scaling Law从Kaplan到Chinchilla再到MoE时代的演进历程，探讨为什么盲目堆参数是误区，以及GLM-5.3如何通过后训练证明扩展存在多个旋钮。
阅读全文 →
科技前沿·4 分钟
Gemini 3.5 Flash在GDPval基准上实现巨大飞跃
Google Gemini 3.5 Flash在GDPval基准测试中超越Gemini 3.1 Pro，轻量级Flash模型借助后训练技术逼近前沿水平，重新定义性能与成本的平衡点，为AI应用开发者带来重大利好。
阅读全文 →