马东锡 NLP 🇸🇪
6个月前

LRM论文选读：START: Self-taught Reasoner with Tools 这篇文章介绍了一种构建特定任务、私域Large Reasoning Model的有效方法，主要方法是微调，而且没有使用reinforcement learning，但却有非常类似reinforcement learning with human feedback的特征。 关键词有二： Test-ti

#Large Reasoning Model #微调 #Reinforcement Learning #human feedback #论文选读 #特定任务 #私域

相关新闻

placeholder

Cell 细胞

1周前

“私域，对它最大的误解恐怕就是认为私域就等于微信群。”

placeholder

刘小排

3周前

用Claude for Chrome 来自动回复微信，神一样的体验！以后做微商的、做私域的朋友们有福了。AI浏览器的创业比赛，即将结束。 由于全球只有1000个用户有权限，我敢打赌，你肯定没见过！ 下面的视频一镜到底，原速，未做任何剪辑 更多测评见

placeholder

Mr Panda

3周前

我第一个版本的提示词从来都是用ai 生成， 然后由我进行微调。

placeholder

XiaoPeng

1个月前

Claude的指令依从性好像有所进步啊。我怀疑他们是怎么在后台调节的呢？ 下图我在一个200行的提示词里面加了一正一负两个例子，它立刻就把原来生成结果里面的错误给挑出来了。我之前的经验这种调整通常是要么没生效，要么生效了但是不相关的部分也做了调整。 这大约相当于修图中的微调吧。

placeholder

GanymedeNil

1个月前

gpt-oss 微调教程来了