标签: post-training

2026年9月02日

• projects
• source-reading
• verl
• post-training
• reinforcement-learning

2026年3月01日

• training
• post-training

2026年9月23日

• post-training
• model-merging
• task-vector

2026年9月23日

• post-training
• multi-task-learning
• capability-integration

2026年9月03日

• projects
• source-reading
• verl
• supervised-fine-tuning
• post-training

2026年8月11日

• source
• paper
• distillation
• on-policy-kd
• post-training
• generative-model

2026年8月11日

• source
• paper
• distillation
• on-policy-kd
• opd
• reasoning
• recipe
• post-training

2026年8月10日

• source
• paper
• distillation
• on-policy-kd
• opd
• gkd
• post-training

2026年7月22日

• source
• paper
• distillation
• on-policy-kd
• post-training
• reasoning
• code

2026年7月14日

• source
• paper
• agent
• reinforcement-learning
• post-training
• grpo
• asynchronous-rl

2026年6月12日

• source
• report
• code-agent
• trajectory-data
• synthetic-reasoning
• post-training

2026年3月08日

• post-training
• distillation

2026年3月08日

• post-training
• distillation
• logits

2026年3月08日

• post-training
• distillation
• offline-kd

2026年3月08日

• post-training
• distillation
• on-policy-kd
• opd

2026年3月08日

• post-training
• distillation
• sequence-level

2026年3月07日

• training
• post-training
• alignment

2026年3月07日

• post-training
• grpo
• reasoning

2026年3月07日

• post-training
• rlhf
• ppo

2026年3月07日

• post-training
• sampling
• data

2026年3月07日

• training
• post-training
• alignment

2026年3月01日

• post-training
• chat-template

2026年3月01日

• post-training
• instruction-tuning

2026年3月01日

• training
• post-training
• alignment

2026年3月01日

• training
• post-training
• alignment