待验证50% 置信事实精确时间

Pistis的训练流程分为两个阶段：第一阶段为大规模多模态监督微调（SFT），第二阶段为交替蒸馏与强化学习（IDRL）

1

来源数

50%

置信度

长期有效

时效性

2026/9/25

首次发现

来源

Pistis多模态大模型详解：IDRL交替蒸馏与强化学习新范式

涉及实体

Pistismodel IDRLconcept SFTconcept

相关事实

待验证TRACER 采用两阶段训练：第一阶段在真实用户对话上做监督微调（SFT），第二阶段引入多轮强化学习（RL）74% 相似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73% 相似待验证继续预训练（CPT）是在通用基座模型上用领域语料进行额外的无监督训练，让模型吸收领域知识68% 相似已验证从预训练检查点到可商用产品需经历监督式指令微调（SFT）和基于人类反馈的强化学习（RLHF）两个后训练阶段68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/948994

API

curl https://kongchang.com/api/v1/knowledge/claims/948994

MCP

get_claim(id=948994)