RadarAI· 山景城小路·· 4 小时前AI 评分22
RL 训练实验：微调 Qwen3-1.7B 让模型避开字母“e”
RL Training Experiment: Fine-tuning Qwen3-1.7B to Avoid Letter 'e'
AI 导读
一项 RL 训练实验用 SFT 和 RLHF 微调 Qwen3-1.7B，让模型在输出中避开字母“e”，达到 60.5% 准确率。实验通过新颖的提示词与奖励设计完成训练。
来源：RadarAI · bestblogs.dev
RL 训练实验：微调 Qwen3-1.7B 让模型避开字母“e”