Supervised Fine-Tuning
AssessKỹ thuật
Giai đoạn huấn luyện chuẩn cập nhật mô hình bằng các đầu ra mẫu đã gán nhãn.
Vì sao ở đây
Xếp vào Assess: 3 bài bằng chứng từ 2 nguồn, chủ yếu là tin nghiên cứu, 2 bài trong 30 ngày qua. Độ tin cậy 49%.
Bằng chứng (3)
- 9Hugging Face Blog·7/10/2026breakthroughTinh chỉnh Nemotron đạt kết quả cấp huy chương vàng tại IOI và IMO
NVIDIA cho biết Nemotron 3 đã được chuyên biệt hóa bằng tinh chỉnh có giám sát, học tăng cường và cơ chế suy luận lặp tạo-đánh giá-hoàn thiện để đạt مستوى tương đương huy chương vàng tại cả IOI 2026 và IMO 2026. Hệ thống IOI đạt điểm vượt ngưỡng huy chương vàng trong một lượt chạy trực tiếp với các ràng buộc tương tự kỳ thi, còn các chứng minh của hệ thống IMO được chấm bởi giám khảo chính thức.
- 7Hacker News·16/9/2026researchMô hình 4B tạo kế hoạch truy vấn tốt hơn Postgres cho các truy vấn join
Bài viết mô tả một thí nghiệm hậu huấn luyện mô hình mã nguồn mở 4B để tạo ra kế hoạch truy vấn Postgres tốt hơn bộ tối ưu mặc định trên các truy vấn nhiều phép join. Thông qua fine-tuning có giám sát và reinforcement learning, mô hình được cho là giảm độ trễ 44,7% trên 113 truy vấn và xử lý được nhiều trường hợp ban đầu không tạo nổi kế hoạch.
- 7Hugging Face Blog·3/6/2026researchDPO giảm hiện tượng suy giảm văn bản trong mô hình OCR ngoài chatbot
Bài viết trên Hugging Face Blog mô tả cách Dharma-AI sử dụng Direct Preference Optimization (DPO) sau khi fine-tune có giám sát để giảm hiện tượng lặp suy giảm trong các mô hình OCR có cấu trúc. Trên tất cả các họ mô hình được thử nghiệm, tỷ lệ suy giảm đều giảm, trung bình 59,4% và mức tốt nhất là 87,6%. Bài viết cho rằng DPO có thể tận dụng chính các đầu ra lỗi của mô hình làm cặp bị từ chối, mở rộng tối ưu hóa theo sở thích ra ngoài bài toán căn chỉnh chatbot.