arXiv · NLP· Yongcan Yu, Kuangpu Guo, Jian Liang, Lingxiao He, Meng Wang, Ran He·· 5 小时前AI 评分25
大语言模型推理监督微调综述
Supervised Fine-Tuning for Reasoning Large Language Models: A Survey
AI 导读
该综述系统梳理了推理大语言模型监督微调（SFT）的研究进展。 文章结合方法论与分析两个维度，将 SFT 改进分为以数据为中心和以算法为中心两类，并从数据特性、优化动态和机制洞察三个角度重新组织分析研究，最后展望了未来方向。
来源：arXiv · NLP · arxiv.org