IXThinker·2026-05-18 12:50

研究指先微調後強化學習存斷層　多模態訓練須補課

有研究檢視多模態大模型「先監督微調、後強化學習」的慣常流程，發現微調階段可能引入偏差與欠優化行為，令強化學習階段變相「還債」；業界近年聚焦強化學習算法改進，兩階段之間的銜接斷層卻鮮被正視。

隱形斷層

多模態大模型的後訓練長期遵循「先SFT、後RL」兩步走，彷彿天經地義；新研究發現，微調非但沒有為強化學習鋪路，反而在悄悄挖坑，形成被忽視的隱形斷層。