SFT Memorizes, RL Generalizes: A Comparative Study of Foundation Model Post-training
这篇工作用了很多实验来证明一个简单的事情：sft对比orm-based rl，是否rl更具泛化性呢？这好像是大家一直认为的一个基本假设，但没有做过对比实验，今年有人干了，甚至是Quoc V. Le.
2025-01-29-insights
相关文章
0%
这篇工作用了很多实验来证明一个简单的事情：sft对比orm-based rl，是否rl更具泛化性呢？这好像是大家一直认为的一个基本假设，但没有做过对比实验，今年有人干了，甚至是Quoc V. Le.