分類： 監督微調

• 強化學習（RL）記憶更牢固，監督微調（SFT）更容易遺忘？普林斯頓陳丹琦團隊改寫後訓練認知
• SFT+RL雙階段訓練突破大型語言模型自我監督！人大DeepCritic實現AI批判自主進化