← на главную

> Тег: #rl

заметок: 5

• SFT запоминает - RL обобщает

  01-Wiki/07-Постобучение/SFT запоминает - RL обобщает

• Данные и среда важнее алгоритма

  01-Wiki/07-Постобучение/Данные и среда важнее алгоритма

• Сначала SFT потом RL

  01-Wiki/07-Постобучение/Сначала SFT потом RL

• Награда за процесс и награда за результат

  01-Wiki/07-Постобучение/Награда за процесс и награда за результат

• KL - mode-seeking против mass-covering

  01-Wiki/07-Постобучение/KL - mode-seeking против mass-covering