Nat Lambert区分两类后训练
热点事件持续更新
Nat Lambert区分两类后训练
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
AI研究者Nat Lambert提出，传统后训练与“后后训练”是两门不同的技艺，行业正在由此分化：前者主要指RLHF、DPO等经典方法，后者则基于环境反馈和智能体经验持续改进模型。该判断反映其对技术演进方向的观察，目前并非已有实证结论。
AI 根据报道生成 · 2 小时前更新
最新进展11月5日 08:26
Nat Lambert：post-training 与「post-post-training」是两门不同手艺报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- AGI HuntNat Lambert：post-training 与「post-post-training」是两门不同手艺
AI 研究者 Nat Lambert（前 Hugging Face 后训练负责人）发推指出，post-training（后训练）与 post-post-training（后后训练）是「完全不同的技艺」。他用一句话点出行业正在分化出的新阶段：RLHF/DPO 式的经典后训练，与基于环境反馈、agent 经验的持续改进方法正在分开演进。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。