术语slug: rl-fine-tuning

强化学习微调

RL Fine-tuning

利用奖励信号调整预训练模型参数以优化特定目标的过程

收录情报动态

共 2 篇 · 第 1/1 页
Hacker News AIT2·商业与生态
45 分
Anthropic 封禁涉模型训练用户 引发争议

Anthropic 近期对涉及大模型训练(如 RFT、SFT)的用户实施账号封禁或降级措施,即便用户仅使用其 API 进行自动化任务调度而非直接蒸馏数据。此举被部分开发者批评为阻碍研究自动化,并引发了关于 AI 公司利用公共数据训练却限制用户反向工程的双标争议。

Hugging Face BlogT1·开发与工程
25 分
TRL 库支持 DDPO 微调 Stable Diffusion

Hugging Face TRL 库新增对 DDPO(去噪扩散策略优化)算法的支持,允许用户通过强化学习微调 Stable Diffusion 模型。该功能旨在提升生成图像与人类偏好的一致性,目前处于工具集成阶段。