Nat Lambert：post-training 与「post-post-training」是两门不同手艺

natolambert · x · 2026-11-05

AI 研究者 Nat Lambert（前 Hugging Face 后训练负责人）发推指出：post-training（后训练）和 post-post-training（后后训练）是「完全不同的技艺」。虽仅一句话，但点出了行业正在分化出的新阶段——RLHF/DPO 式的经典后训练，与基于环境反馈、agent 经验的持续改进方法正在分开演进。

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →