【首个端到端强化微调平台发布 支持无服务器和端到端训练方法】今天凌晨，知名大模型训练、开发平台Predibase发布了，

【首个端到端强化微调平台发布 支持无服务器和端到端训练方法】今天凌晨，知名大模型训练、开发平台Predibase发布了，首个端到端强化微调平台（RFT）。与传统的监督式微调相比，RFT不依赖大量的标注数据，而是通过奖励和自定义函数来完成持续的强化学习，同时支持无服务器和端到端训练方法，从数据管理、训练模型到应用部署可以在同一个平台全部完成。也就是说，你只需要一个浏览器，设定微调目标、上传数据、就能完成以前非常复杂的大模型微调流程。通过RFT，Predibase在训练过程结合了冷启动监督式微调、强化学习和课程学习，并且只使用了十几个标记数据点。在Kernelbench数据集上进行的基准测试显示，Qwen2.5-Coder-32B-instruct经过强化后，其正确率比DeepSeek-R1和OpenAI的o1高出3倍，比Claude 3.7 Sonnet高出4倍以上，而模型的体量却比这三个小很多。