后训练配方与教师选择
cwolferesearch · x · 2026-07-09
这条帖提到一场关于后训练配方演进的分享，核心收获是 MOPD 在选择 teacher 时要注意，最近的 Nemotron 报告显示 teacher 最好来自相近的 checkpoint。作者指出，如果用差异过大的 teacher，训练过程中会出现冲突。
cwolferesearch · x · 2026-07-09
这条帖提到一场关于后训练配方演进的分享，核心收获是 MOPD 在选择 teacher 时要注意，最近的 Nemotron 报告显示 teacher 最好来自相近的 checkpoint。作者指出，如果用差异过大的 teacher，训练过程中会出现冲突。