24
2025/08
MIT：UFT 统一监督微调（SFT）和强化微调（RFT）
我们知道，预训练 (Pre-training) 赋予了模型世界知识的广度，而后训练 (Post-training) 则像是精雕细琢的过程，旨在激发和增强模型在
...