热点事件持续更新
训练者复盘SFT-souping-RL交替训练配方
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月7日，AGI Hunt 报道，训练实践者 @tensorqt 复盘自己的 RL（强化学习）训练过程。他表示，回看整个训练，认为自己本可以做得更多 SFT（监督微调）；同时他发现，交替使用 SFT、模型 souping 与 RL，能够形成不错的探索与利用循环。他还提到，训练曲线看起来混乱，部分原因是它确实乱。报道未披露具体的训练配置、数据规模或复现结果，目前公开信息仅为其个人复盘结论。
AI 根据报道生成 · 2 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- AGI Hunt训练实践者 @tensorqt 复盘 RL 训练：交替使用 SFT-model souping-RL 是不错的探索-利用循环
训练实践者 @tensorqt 复盘自己的 RL 训练，回看认为本可以做得更多 SFT，并发现交替使用 SFT、模型 souping 与 RL 能形成不错的探索与利用循环。他还提到训练曲线看起来混乱，部分原因是它确实乱。
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。