★
Menu
Beranda Cara Pembuatannya Watchlist Tumpukan
Perangkat Keras ChipBandingkan Chip Server & SistemJaringan MemoriFoundri & Pengemasan Pendinginan
Fasilitas Pusat-Pusat DataDaya ProyekCloud & Komputasi GPU
Kecerdasan Model AIPerangkat Lunak Produk AIBenchmark Makalah RisetKumpulan-Kumpulan Data Konsep-Konsep
Ekosistem Perusahaan-PerusahaanSaham Orang-orangTimeline TrenMasa Depan AI
Pelajari Berita Tanya Data Agen AI
Tentang Tentang kami Metodologi Data & API Penyangkalan
Opsi
DATA & API

Akses JSON baca-saja gratis ke data cache situs.

Mode Gelap

Tampilan Terpandu
Baru mengenal chip, data center, dan jargon model? Kami menjelaskan istilah-istilah kunci saat Anda menjelajah, dalam bahasa yang mudah dipahami. Data yang sama, dilengkapi panduan bawaan.

Tampilan Ahli
Anda sudah memahami seluk-beluknya. Cukup datanya: bersih, cepat, dan ringkas, tanpa penjelasan tambahan. Ini adalah tampilan default.

Bahasa antarmuka
‹ Kembali
Beranda › Konsep-Konsep › Post-training (RLHF, RLVR and after)

Post-training (RLHF, RLVR and after)

Konsep Pelatihan & Inferensi

Where a raw predictor becomes an assistant — and, lately, a reasoner.

Anda sedang melihat entri penjelas konsep: apa arti istilah ini dalam bahasa yang mudah dipahami, dan entri-entri yang dikaitkannya.

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.

Bagaimana ini terhubung ke bagian lain dari stack

Related · 3 Post-training (RLHF, RLVR and after)

Tautan catatan ini sekilas — klik grup untuk langsung menuju ke sana.

Sumber

DeepSeek-R1 (RL for reasoning) ↗

Rekaman ditinjau per 2026-01-15 — lihat Metodologi.