跳到正文
阅读工具

技术方向

数据与训练 最新动态

大模型是怎么练出来的：数据集构建、合成数据、预训练与后训练方法、算力与训练成本。

1 条精选近 30 天 1 条共收录 2 条

更新

数据与训练的精选

10月23日周五第 1–1 条
  1. Hugging Face Blog62

    微软与 Hugging Face 开源 ThinkingBox-Training，用数据库终态检查作 RL 奖励

    微软与 Hugging Face 开源 ThinkingBox-Training 训练栈，把智能体留下的数据库终态检查直接当作 RL 奖励，并公开数据筛选、rollout 与 Verl 集成流程。

    推荐理由：公开的训练栈把数据库终态检查转成可执行奖励，读者可据此复用其任务筛选、奖励设计与一致性评估的完整流程。