跨国深谈← 返回←中期训练 (mid-training)

集里怎么说它

• 《RL 为什么灵、蒸馏为什么凶:三位研究员的前沿圆桌》(55:13起):Baron 认为它被低估：很多「RL 的成功」其实来自极好的 mid-training 数据，这一步往往就把模型带到最终 RL 检查点约 80% 的地方。

② 出现在这些集

1 集

• 《RL 为什么灵、蒸馏为什么凶:三位研究员的前沿圆桌》 — 作为概念

③ 关联

点进去有真内容 —— 本页主要出口

RL · 蒸馏 · 持续学习 · 后训练 · RSI · 对齐 · 智能体 · 缩放定律 · 灾难性遗忘 · RLHF