Fireworks 分享 Jev 训练用法：GRPO 强化微调打分、离线筛 DPO 样本
sophiamyang · x · 2026-09-22
Fireworks AI 的 sophiamyang 介绍了在 Fireworks 训练管线中使用 Jev 的两种方式：
- 在线：对每个 prompt 采样 k 个 rollout，用 Jev 给每个打分，把其结构化（typed）答案映射为奖励信号，再做 GRPO 风格的强化微调（RFT）。
- 离线：用 Jev 给 DPO/ORPO 偏好对排序，或过滤 SFT 训练样本。
配套细节见 Fireworks 官方文档，该平台支持 100+ 开源模型的推理与最高 1T+ 参数的微调训练。
「编程与Agent」频道最新
- 开源多用户 Agent 平台 Nautilo 上线：Genie 可替你登录网站干活 — Dan_Jeffries1 · 2026-09-22
- 用 x402 让投研 Agent 订阅付费 Substack 财经通讯 — kleffew94 · 2026-09-22
- Hermes Agent 联手 ComfyUI 过夜自主迭代，做出角色替换视频 — Teknium · 2026-09-22
- 嫌 Codex 额度烧太快，开发者做 Token Saver 让 Muse 分担编码任务 — AIandDesign · 2026-09-22
- Agent 集群扩展 N 倍理论上可得 N^λ 倍加速 — tobyordoxford · 2026-09-22
- 睡一觉醒来：Agent 自作主张给训练任务加了 2 小时预算叫停 — BLUECOW009 · 2026-09-22