arXiv cs.AI· Xiangjing An, Zhibin Jiao, Aiting Chen·· 4 小时前AI 评分43
大模型训练全阶段统一框架：从数据与 Tokenization 到预训练与后训练对齐
A Comprehensive Framework for All Stages of Large-Model Training: From Data and Tokenization, through Pretraining, to Post-Training Alignment
AI 导读
一篇论文提出覆盖数据与 Tokenization、预训练、后训练的大模型训练统一阶段划分与六维分析框架，梳理 2017 至 2026 年 395 篇核心文献。框架从数据、目标函数、优化策略、系统约束、评估、风险与治理六维横向比较，并给出跨阶段效应图、方法族谱与实用决策树。
来源：arXiv cs.AI · arxiv.org