Naver Webtoon 提出推荐模型三阶段对齐框架

_reachsumit · x · 2026-08-10

Naver Webtoon 针对推荐基础模型提出了一种三阶段渐进式训练框架，旨在解决模型优化目标与实际业务指标不对齐的问题。

该框架将下游适配与业务指标对齐显式分离：首先通过线性探测稳定下游任务头，然后进行全量微调以适配目标任务，最后使用强化微调（RFT）结合学习到的奖励模型，将模型与实际业务目标对齐。实验表明，这种渐进式框架优于单阶段训练方案。