Step Rejection Fine-Tuning: Squeezing More Signal from Noisy Agent Trajectories
The JetBrains Blog2601 字 (约 11 分钟)
85
Step Rejection Fine-Tuning (SRFT) 是一种新方法，通过保留失败轨迹中的有效步骤，提高大语言模型代理的训练效率。
入选理由：SRFT 保留失败轨迹中的有效步骤，避免浪费高质量数据。
精选文章#大语言模型#强化学习#训练方法#JetBrains英文