标签: post-training

2026年3月01日

• training
• 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

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