热搜话题榜单

让SFT重新伟大！CMU等华人学者提出全新「批判式微调」，媲美复刻版DeepSeek

【新智元导读】在面对复杂的推理任务时，SFT往往让大模型显得力不从心。CMU等机构的华人团队提出了「批判性微调」方法，仅在50K样本上训练，就在大多数基准测试中优于使用超过200万个样本的强化学习方法。进一步的研究也可能包括将CFT与其他训练范式，如SFT和RL相结合，扩展到多模态环境，并研究其理论基础。