注册    登录
专栏名称: 斌叔OKmath
橙旭园CEO 教育博主 教育部双创优秀导师。前微软员工。橙旭园儿童编程创始人。
今天看啥
微信公众号rss订阅, 微信rss, 稳定的RSS源
目录
今天看啥  ›  专栏  ›  斌叔OKmath

Google 这篇论文的结论非常清晰：《SFT 负责记忆, RL-20250203081049

斌叔OKmath  · 微博  ·  · 2025-02-03 08:10
    

文章预览

2025-02-03 08:10 本条微博链接 Google 这篇论文的结论非常清晰：《SFT 负责记忆, RL 负责泛化》 简单结论： 监督微调 (SFT) 就像给学生看大量的例题和答案。 学生通过模仿例题来学习。 强化学习 (RL) 就像让学生自己解题，答对了给奖励，答错了给惩罚。 学生通过试错和总结规律来学习。 研究人员设计了两个任务来测试模型： 通用点数 (GeneralPoints) 纸牌游戏： 这是一个纸牌算术游戏，需要用四张牌凑出目标数字 24。 研究人员 ………………………………

原文地址：访问原文地址
快照地址： 访问文章快照
总结与预览地址：访问总结与预览
推荐文章
天津市应急管理局  ·  津城二十四节气｜今晚22:10，天津将迎来——
昨天
生态梦网  ·  注意防范！滨海新区发布蓝色预警
昨天
生态梦网  ·  生啦！生啦！生态城医院迎来首个“蛇宝宝”
4 天前
BioAdvance  ·  糖皮质激素通过代谢重编程骨髓源性的巨噬细胞发挥抑炎作用
8 月前
APPSO  ·  发布 14 年后，iPad 要彻底横过来了
8 月前
不正常人类研究中心  ·  这些马桶设计的还是很独特的
8 月前
新浪科技  ·  【CEO发全员信：#去哪儿员工周三周五可自由选择办公地点#】去哪-20240709135500
7 月前
大淘宝技术  ·  关于垂直领域大模型的探索和尝试
6 月前
关于   移动版   ·   Py中国   ·   RSS之家   ·   CodingPro   ·   Code   ·   Link之家   ·   卧龙AI搜索   ·   小百科   ·   51好读   ·   小百科（海外）   ·   Link管理
今天看啥 - 微信公众号rss订阅, 微信rss, 稳定的RSS源
© 2024 ~ 沪ICP备11025650号