multi-stage-training

Oyster-II提出了一种针对大型语言模型建设性安全对齐的强化学习框架，通过多阶段Zero-RL范式克服了先前基于SFT方法的局限性，在保持通用能力的同时实现了最先进的安全性能。

LLMZero利用LLM智能体通过树搜索在训练轨迹中进行搜索，发现用于强化学习后训练的自适应多参数过渡策略，该策略在多种任务中优于固定调度和网格搜索。

本文研究了多阶段LLM微调中数据选择策略的长期影响，揭示了短视选择会损害未来适应能力。为此，提出了一种长期视角感知选择（LHAS）目标以缓解这些问题。

本文提出了一种多阶段训练流程，利用基于语言的预处理和模型集成来检测印度语言中的辱骂评论，旨在最小化误报，同时保护言论自由。

SmartPhotoCrafter 提出一条无需显式人工指令即可统一质量理解与增强的自动摄影图像编辑流水线，在真实感增强任务上超越现有生成模型。