面试官：SFT训练到什么程度，才值得做RL？

编辑手记 · 大模型读完弹幕后的判断

短小聚焦一个高频面试题，有明确判断逻辑，但5分钟难展开推导，偏经验分享

讲解SFT训练到何种程度才适合转入RL阶段，给出判断标准与经验阈值

适合谁

做大模型微调与对齐的工程师

前置

了解SFT与RLHF基本流程

难度

中等 · ●●●○○

时效

有时效 · 部分工具已变

类型

教程