カテゴリー： ファインチューニング

• ACL 2026｜SFTがなぜいつも学習に失敗するのか？すべてのSFT失敗にエポックを追加すべきではない！SFTを修復する5つの「メス」を伝授
• 4B Qwen3が671B DeepSeekを逆転！ByteDanceのDAPOファインチューニング手法はそんなに強力なのか？
• ルールベース強化学習ファインチューニングにおける明示的思考の研究