模型训练与对齐

本分类共 9 个专题 · 761 道题

8458

强化学习中的 Return（回报）是什么，如何计算？

模型训练与对齐强化学习与奖励

概念解释

基础

8459

预训练与 SFT 的学习率数量级通常怎样选择，为什么不同？

模型训练与对齐训练框架、调参与排障

技术决策

进阶

8747

CUDA 与 HIP 有什么区别，开发和迁移时如何选择？

模型训练与对齐分布式训练与计算硬件

比较选型

进阶

8750

CUDA 有哪些同步机制，分别适用哪些范围与场景？

模型训练与对齐分布式训练与计算硬件

原理机制

进阶

8755

OpenMP 与 MPI 分别用于什么并行场景，可以怎样配合？

模型训练与对齐分布式训练与计算硬件

比较选型

进阶

8770

算法自动生成的训练数据，如何评估质量？

模型训练与对齐训练数据构建与治理

效果评估

进阶

8816

项目中的数据集用途和格式是什么，是训练数据还是评判器输入？

模型训练与对齐训练数据构建与治理

项目深挖

进阶

8817

DPO 偏好数据对从哪里来，如何构造与验证？

模型训练与对齐偏好对齐

项目深挖

进阶

8919

OPD 训练如何筛选学生轨迹，为什么排除某些错误轨迹？

模型训练与对齐蒸馏与模型合并

技术决策

进阶

8920

过程奖励信号从哪里来，如何识别和校正偏差？

模型训练与对齐强化学习与奖励

原理机制

进阶