1. 您所在位置：
  2. 网站首页
  3. 文档分类
  4. 办公文档
  5. 简明教程

大模型训练-Reward学习辅导笔记：从数据准备到迭代优化.pdfVIP

  • 2
  • 0
  • 约2.9千字
  • 约 1页
  • 2026-04-27 发布于北京
  • 举报

大模型训练-Reward学习辅导笔记：从数据准备到迭代优化.pdf

    /LLM行业领军大佬带你大语言模型算法工程师/大模型训练-Reward【学习辅导笔记】

    大模型训练-Reward的步骤：

    1.准备数据集：收集训练样本，包括输入x和期望输出y。

    2.模型预训练：使用传统的无监督预训练方法（如自编、对抗生成网络等）对

    章节生成模型G进行预训练，以使其具备一定的生成能力。

    3.外部评估者训练：训练一个外部评估者模型E，该模型可以根据输入x和生成的

    输出y来计算信号R(x,y)。

    问答

    您可能关注的文档

    最近下载

    文档评论（0）

    1亿VIP精品文档

    更多 >

    相关文档

    更多 >