Search

Tag: #post-training23 results

Import AI 探討 RSI、PostTrainBench+ 與 AI 信任

Import AI 第 468 期整理 23 個與遞迴式自我改進（RSI）相關的想法，介紹 PostTrainBench+，並探討信任與透明度如何影響 AI 開發競賽。這一期主要是面向關注 AI 進展與治理的實務工作者之研究與分析彙整。

Import AIMedia•Aug 10#post-training #ai-transparency #ai-governance

深入解析用於 LLM 訓練的 RL 與 OPD

一部影片教學解析大型語言模型訓練中 on-policy distillation（OPD）與 GRPO 類強化學習方法背後的數學與程式碼。內容也將這些技術與預訓練及監督式微調串聯，並參考 Kimi、DeepSeek、Qwen 與 GLM 技術報告中的方法。

Reddit r/MachineLearningCommunity•Aug 3#post-training #llm-training

MAPLE Boosts Multimodal RL Post-Training

MAPLE is a modality-aware ecosystem for post-training multimodal LLMs, including MAPLE-bench, MAPO optimization, and adaptive curricula. It stratifies training by modality needs to cut variance and speed convergence. It closes uni/multi-modal gaps by 30% and converges 3x faster.

ArXiv AIResearch•Feb 13#research #maple #multimodal

1 2 3

Page 3 of 3