Together 推出 post-training 服务：训练与生成保持一致
Together 做了个 post-training 服务，训练时你设计的 reward 就是模型真正学到的那套，上线后行为不走样。
#reward
共 1 条 · 7 天 1 条 · 30 天 1 条
信息流里打上「reward」标签的资讯、产品与论文，按刊登时间排，新的在上。
11月2日
Together 做了个 post-training 服务，训练时你设计的 reward 就是模型真正学到的那套，上线后行为不走样。
