学科树

人工智能 / 大语言模型 LLM / 微调与对齐 / 指令微调

指令微调

构建指令数据并监督微调基础模型。

Nathan Lambert

RLHF Book：Reinforcement Learning from Human Feedback and LLM Post-Training

系统理解 RLHF 和语言模型后训练的核心方法。

书籍

免费

Lambert

偏好优化与 RLHF·指令微调

对比 学习指南