大模型 SFT、RM、RL 等算法原理及应用场景
一、SFT（Supervised Fine-Tuning，监督微调） 1. 原理 核心思路：基于已有的大模型（通常是预训练语言模型），在标注好的高质量指令数据集上进行监督学习。 训练目标：最小化模型输…
标签： 强化学习
RLHF：让大模型真正“听人话”的关键技术
在人工智能时代快速发展的今天，大语言模型（如GPT系列、Claude、Gemini等）虽强大，但如果没有“对齐”，它们就像一匹脱缰的野马——会跑，但不一定往你希望的方向跑。于是，RLHF（Reinfo…
deepseek-强化学习（RL）中的奖励设计
怎么建立估计10万+软文点击率的模型？
上一篇，我们通过一个项目讲解了“实战 5 步”的前两步。在第一步“定义问题”中，我们定义了要处理的问题，也就是根据点赞数和转发数等指标，估计一篇文章能实现多大的浏览量。同时我们还将它归类为回归问题；在…
什么是机器学习
什么是机器学习 这个问题其实不好回答，因为机器学习涵盖的内容太多了。 机器学习之父 Arthur Samuel 对机器学习的定义是：在没有明确设置的情况下，使计算机具有学习能力的研究领域。 国际机器学…