从生产流量到后训练：构建覆盖企业请求组合的自托管 LLM
From Production Traffic to Post-Training: Building a Self-Hosted LLM That Covers the Corporate Request Mix
阅读原文
本站未展示全文，请前往来源网站阅读。
AI 导读
研究团队通过生产错误分析定位指令遵循、函数调用和内部任务分布三方面差距，为每个维度单独训练 GRPO 专家并用两阶段 SLERP 合并，将 200 多个内部应用的流量整合到单一自托管模型上。
来源：Hugging Face Daily Papers · arxiv.org