批判微调：学习批判比学习模仿更有效

编辑手记 · 大模型读完弹幕后的判断

有论文、PPT和实操取舍建议，能复用到微调方案选型，但偏讲解少代码

解读CMU批判微调CFT论文，对比SFT与DPO，讲清训练数据构造与适用场景

适合谁

做大模型微调与对齐的算法工程师

前置

了解SFT、DPO、RLHF基本概念

难度

中等 · ●●●○○

时效

fresh

类型

教程