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

GoodNav 3 月 20 日消息，昨晚，大模型训练和开发平台 Predibase 正式发布了其首个端到端强化微调平台（RFT）。

Predibase 表示，DeepSeek-R1 的开源在全球人工智能领域引起了广泛关注，使得许多人认识到强化学习微调在大模型训练中的重要性。受到这一点的启发，他们设计了这个无服务器的端到端强化微调平台。

与传统的监督式微调方式相比，RFT 不依赖于大量的标注数据，而是通过奖励与自定义函数来实现持续的强化学习。同时，平台支持无服务器及端到端训练流程，用户可以在同一平台完成数据管理、模型训练及应用部署。只需一个浏览器，设置微调目标、上传数据，用户便可轻松完成以前复杂的大模型微调流程。

为了展示 RFT 的强大优势，Predibase 基于阿里开源的 Qwen2.5-Coder-32B-instruct，微调出了一款专门用于将 PyTorch 代码转换为 Triton 的模型 Predibase-T2T-32B-RFT。

Predibase-T2T-32B-RFT 通过 RFT 以交互方式优化模型行为，使用极少的标记数据来提升下游任务的质量，因此它成为了专有大语言模型的高性价比、高性能替代选项。

借助 RFT，Predibase 在训练过程中融合了冷启动监督式微调、强化学习和课程学习的策略，且只用到了十几个标注数据点。

在 Kernelbench 数据集上进行的基准测试显示，经过强化的 Qwen2.5-Coder-32B-instruct 的准确率比 DeepSeek-R1 和 OpenAI 的 o1 高出 3 倍，比 Claude 3.7 Sonnet 高出四倍以上，而模型的规模相比这三者要小得多。

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