SFT别急着接RL！你的多模态大模型可能一直在“带伤训练”
中文摘要
在多模态模型进行强化学习前，应先修复SFT阶段的问题，防止“带伤训练”。
English Summary
Fix SFT issues before moving to RL in multimodal models to prevent training with flaws.
原文节选
先把SFT挖的坑填了！
中文摘要
在多模态模型进行强化学习前，应先修复SFT阶段的问题，防止“带伤训练”。
English Summary
Fix SFT issues before moving to RL in multimodal models to prevent training with flaws.
先把SFT挖的坑填了！