LLM Wiki
Search
搜索
探索
标签: 后训练
此标签下有6条笔记。
2026年7月01日
DiffRO(可微奖励优化)
概念
语音合成
强化学习
后训练
2026年7月01日
Knowledge Distillation(知识蒸馏)
概念
基础
蒸馏
后训练
2026年7月01日
On-Policy Distillation(在策略蒸馏)
概念
进阶
蒸馏
后训练
对齐
2026年7月01日
Policy Gradient(策略梯度)
概念
进阶
强化学习
后训练
2026年7月01日
verl
概念
工具
后训练
强化学习
开源
2026年7月01日
资料摘要:On-Policy Distillation
蒸馏
后训练
深度
进阶
RLHF
对齐