AGI Hunt· AccBalanced·· 2 小时前AI 评分25
AI 训练算法演进时间线:从 RLHF、DPO 到多智能体集群的未来预测
算法演进时间线:从 RLHF、DPO 到多智能体集群的未来预测
AI 导读
sreeramkannan 梳理 AI 训练算法演进时间线:2021 年前以 next-token prediction 为主,2022 年转向 RLHF,2023 年出现 DPO,2024 年提出 RLVR,2025 年扩展至 RLVR、GRPO 与早期 agent。
来源:AGI Hunt · agihunt.info