Skip to content
Agientry
← 标签

#RL Environments (1)

瀑布流分页
训练智能体的后训练课程：从 SFT、蒸馏到 GRPO 与异步环境

训练智能体的后训练课程：从 SFT、蒸馏到 GRPO 与异步环境

Hugging Face 用五步课程串起智能体后训练：SFT 学轨迹，蒸馏传概率，GRPO 优化结果，环境承接多回合行动，异步 harness 让训练接近真实部署。

博客

后训练SFT

作为亚马逊联盟会员,我们可能从符合条件的购买中获得佣金。