其他

LLM后训练太烧钱？清华&腾讯有了破解法门：关键是得会Rollout

清华大学和腾讯的研究团队提出了一种优化大型语言模型后训练成本的新方法。该方法将Agent的交互轨迹视为一棵树结构，不再将计算预算均摊分配给每个提示，而是根据轨迹的树状特征进行更有效的资源分配，旨在降低后训练过程中的计算开销。该成果来自学术研究，但发布在非官方自媒体平台，其具体效果和普适性有待进一步验证。

多来源证据

事件时间线

1. 7月25日 12:40
   微信公众号 mptext
   LLM后训练太烧钱？清华&腾讯有了破解法门：关键是得会Rollout