感謝 DeepSeek：Predibase 發佈全球首個端到端強化微調平台並開源，支持無服務器和端到端訓練方法
IT之家 3 月 20 日消息，昨日晚間，大模型訓練、開發平台 Predibase 發佈了首個端到端強化微調平台（RFT）。
Predibase 表示，DeepSeek-R1 的開源在全球 AI 領域產生了巨大影響，讓很多人意識到強化學習微調對訓練大模型的重要性。受此啟發，他們開發了這個端到端無服務器強化微調平台。
與傳統的監督式微調相比，RFT 不依賴大量的標註數據，而是通過獎勵和自定義函數來完成持續地強化學習，同時支持無服務器和端到端訓練方法，從數據管理、訓練模型到應用部署可以在同一個平台完成。用戶只需要一個瀏覽器，設定微調目標、上傳數據、就能完成以前非常複雜的大模型微調流程。
為了展示 RFT 的強大，Predibase 根據阿里開源的 Qwen2.5-Coder-32B-instruct，微調了一個專門用於將 PyTorch 代碼翻譯為 Triton 的模型 Predibase-T2T-32B-RFT。
與傳統的監督式微調方法不同，Predibase-T2T-32B-RFT 利用 RFT 以交互方式調整模型行為，以最少的標記數據優化下遊任務質量。這使其成為專有 LLM 的高性價比、高性能替代方案。
通過 RFT，Predibase 在訓練過程結合了冷啟動監督式微調、強化學習和課程學習，並且只使用了十幾個標記數據點。
在 Kernelbench 數據集上進行的基準測試顯示，Qwen2.5-Coder-32B-instruct 經過強化後，其正確率比 DeepSeek-R1 和 OpenAI 的 o1 高出 3 倍，比 Claude 3.7 Sonnet 高出 4 倍以上，而模型的體量卻比這三個小很多。
IT之家附開源地址：
https://huggingface.co/predibase/Predibase-T2T-32B-RFT
在線體驗地址：
https://predibase.com/reinforcement-fine-tuning-playground
廣告聲明：文內含有的對外跳轉鏈接（包括不限於超鏈接、二維碼、口令等形式），用於傳遞更多信息，節省甄選時間，結果僅供參考，IT之家所有文章均包含本聲明。
