感谢 DeepSeek：Predibase 发布全球首个端到端强化微调平台并开源，支持无服务器和端到端训练方法

IT之家最新消息显示，昨晚，大型模型训练和开发平台Predibase发布了一个全新的强化微调平台，该平台完全托管、无服务器，实现了端到端的微调过程，是首个端到端的强化微调（RFT）平台。

Predibase表示，开源项目DeepSeek-R1在全球人工智能领域产生了巨大影响，使许多人意识到强化学习微调对大型模型训练的重要性。基于这一启发，他们开发了这款端到端无服务器的强化微调平台。

相较于传统的监督式微调，RFT无需大量标注数据，而是通过奖励和自定义函数实现持续的强化学习。同时，该平台支持无服务器和端到端训练方法，用户只需一个浏览器，就能完成以往复杂的大型模型微调流程，从数据管理、模型训练到应用部署均可在同一平台完成。

为了展示RFT的强大功能，Predibase基于阿里Qwen2.5-Coder-32B-instruct进行了微调，创建了用于将PyTorch代码转换为Triton的Predibase-T2T-32B-RFT模型，并使用其他更大基准模型（包括DeepSeek-R1、Claude 3.7 Sonnet和OpenAI o1）进行了内核正确性基准测试。

与传统的监督式微调不同，Predibase-T2T-32B-RFT利用RFT以交互方式调整模型行为，以最少标记数据优化下游任务质量。这使其成为专有LLM的高性价比、高性能替代方案。

通过RFT，Predibase结合了冷启动监督式微调、强化学习和课程学习，仅使用了十几个标记数据点进行训练。

在Kernelbench数据集上进行的基准测试显示，Qwen2.5-Coder-32B-instruct经过强化后，其正确率比DeepSeek-R1和OpenAI的o1高出3倍，比Claude 3.7 Sonnet高出4倍以上，同时模型占用的空间减小了一个数量级。

IT之家附开源地址：
https://huggingface.co/predibase/Predibase-T2T-32B-RFT

在线体验地址：
https://predibase.com/reinforcement-fine-tuning-playground

声明：文中包含的外部链接仅用于传递信息，节省甄选时间，内容仅供参考。