★
Menu
Início Como é Construído Watchlist A pilha
Hardware ChipsComparar Chips Servidores e SistemasRedes MemóriaFundições e Empacotamento Arrefecimento
Instalações Data CentersEnergia ProjetosCloud e Computação com GPU
Inteligência Modelos de IASoftware Produtos de IABenchmarks Artigos científicosConjuntos de Dados Conceitos
Ecossistema EmpresasAções PessoasCronologia TendênciasFuturo da IA
Aprender Notícias Consultar os Dados Agentes de IA
Sobre Sobre nós Metodologia Dados e API Aviso Legal
Opções
DADOS E API

Acesso JSON gratuito e somente leitura aos dados em cache do site.

Modo escuro

Visão Guiada
Novo no universo de chips, data centers e jargão de modelos? Explicamos os termos-chave enquanto você navega, em linguagem clara. Os mesmos dados, com ajuda integrada.

Visão Especializada
Você já conhece o stack. Só os dados: limpos, rápidos e compactos, sem explicações extras. Esta é a visualização padrão.

Idioma da interface
‹ Voltar
Início › Conceitos › Post-training (RLHF, RLVR and after)

Post-training (RLHF, RLVR and after)

Conceito Treinamento & Inferência

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

Está a ver um explicador de conceito: o que este termo significa em linguagem acessível, e os registos que relaciona.

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.

Como este elemento se liga ao resto da stack

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

As ligações deste registo num relance — clique num grupo para ir diretamente até ele.

Fontes

DeepSeek-R1 (RL for reasoning) ↗

Registro revisado em 2026-01-15 — ver Metodologia.