待验证50% 置信事实精确时间

规划器通过监督微调（SFT）在140道训练题和28道开发题的结果选择轨迹上训练

1

来源数

50%

置信度

长期有效

时效性

2026/9/24

首次发现

来源

学习式上下文规划难敌强检索：长文本QA对照研究解读

涉及实体

学习式上下文规划concept

相关事实

已验证大模型训练经历三个核心阶段：预训练、有监督微调（SFT）和偏好对齐75% 相似待验证Agent Tuning属于有监督微调SFT的特化方向，其训练样本是完整的任务轨迹Trajectory而非传统问答对74% 相似待验证后训练通常涵盖监督微调（SFT）、强化学习对齐（RLHF/RLAIF）以及领域适配微调，视觉推理模型还涉及视觉指令微调72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/946185

API

curl https://kongchang.com/api/v1/knowledge/claims/946185

MCP

get_claim(id=946185)