技术博客/大厂实战中，如何判断SFT到什么程度开始做RL

AI 工程实践进阶2026-02-27· 2 分钟· 推理模型

大厂实战中，如何判断SFT到什么程度开始做RL

SFT = Token-level 模仿，让模型达到数据集中\"平均专家\"水平。

本文需解锁后阅读

免费开放 3 篇精选工程博客（列表置顶）。其余文章登录后可阅读全文。

Phi-4-reasoning-vision and the lessons of training a multimodal reasoning model

返回博客列表