Skip to content
← 返回课程
CS336 2026 · Lecture 15已发布

Mid/post-training (SFT/RLHF)

日期
Mon May 18
讲师
Tatsu
课程资料
10 项
内容产物
4 项

课程简介 ​

本讲解释基础模型如何通过 Mid-training、监督微调和偏好优化获得指令遵循、对话与安全行为。课程重点比较示范数据与偏好数据的采集方式,并从目标函数和工程复杂度上对照 PPO 与 DPO,同时提醒标注者分布、回答长度和模型生成反馈会改变最终行为。
COURSE MATERIALS官方资料与延伸阅读

资料来源归原作者与课程方所有 · 笔记内容持续校订