Post-training (RLHF, RLVR and after)
Where a raw predictor becomes an assistant — and, lately, a reasoner.
Vous consultez une fiche concept : ce que ce terme signifie en langage clair, et les fiches qu'il relie.
After pre-training, models are shaped: supervised fine-tuning on demonstrations, RLHF against human preferences, and now reinforcement learning on verifiable rewards (math checkers, passing tests) that produced the reasoning models. Post-training's share of total compute is rising sharply — labs describe it as the new frontier of differentiation, which is why data-labeling firms and RL environments became strategic assets.
Comment cela s'articule avec le reste de la chaîne
Les liens de cette fiche en un coup d'œil — cliquez sur un groupe pour y accéder directement.
Connexes
Sources
DeepSeek-R1 (RL for reasoning) ↗
Fiche examinée au 2026-01-15 — voir Méthodologie.