Together 推出后训练服务：RL 与 SFT 两种方式定制专属模型
togethercompute · x · 2026-10-20
Together AI 官宣 Together Post-Training，一个在平台上构建自定义模型的训练服务，同时支持两条路线：
- RL（强化学习）：通过环境奖励塑造模型行为
- SFT（监督微调）：通过监督数据训练
用户只需在代码中定义训练循环（sample → reward → forwardbackward → optimstep → weightssync），底层的系统与基础设施由 Together 联合优化，兼顾模型质量与训练速度。架构上采用共享冻结 base 权重 + 多个 session 的 adapter 权重与 optimizer 状态，训练产物可导出 checkpoint 或直接部署到专属推理端点；官方示例还展示了「一个模型资源跑最多 5 组实验 → Multi-LoRA 端点同流量评测 → 挑选最优 adapter 合并部署」的完整工作流。定位是让企业在 2026 年以更低成本获得任务专用的自定义模型。
所属事件:Together 推出后训练服务，SFT 与 RL 定制专属模型(3 条相关)→
「Infra」频道最新
- 实测 BitNet CPU 推理出错:困惑度达参考值 6 倍,一行修复可解 — matheus-c-feitosa · 2026-10-20
- 数据中心才是真正的回形针,全球债市是那块钢 — m2saxon · 2026-10-20
- AMD 称全球月推理 token 消耗已超 4 亿亿，两年暴涨 95 倍 — Beth_Kindig · 2026-10-20
- Meta 披露吉瓦级超集群 Prometheus:首期已建成,目标百万 GPU — BenBajarin · 2026-10-20
- Cloudflare 推出 System One 抽取模型 Clairic:单次前向、无输出 token、亚秒响应 — Cloudflare Blog · 2026-10-20
- Gartner 预测 2030 年超 80% 新云将失去独立性,小云商靠什么活? — ThingOwn7477 · 2026-10-20