LLM Wiki

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

Created with Quartz v4.5.2 © 2026

  • GitHub
  • Discord Community