Predibase发布全球首个端到端强化微调平台，支持Qwen2.5大模型训练与深度学习无服务器方法

随着人工智能技术的快速发展，大模型训练和开发平台的需求日益增加。近日，Predibase 推出了一款全新的端到端强化微调（RFT）平台，该平台完全托管且无需服务器支持，为用户提供了更加便捷高效的解决方案。

Predibase 表示，DeepSeek-R1 的开源引发了全球 AI 领域的高度关注，许多人开始意识到强化学习微调在大模型训练中的重要性。基于这一启发，Predibase 开发了这款无服务器的端到端强化微调平台。与传统的监督式微调相比，RFT 不需要大量标注数据，而是通过奖励机制和自定义函数实现持续强化学习，同时支持从数据管理、模型训练到应用部署的一站式服务。

为了验证 RFT 的强大性能，Predibase 基于阿里云的 Qwen2.5-Coder-32B-instruct 模型，成功微调了一个名为 Predibase-T2T-32B-RFT 的新模型，专门用于将 PyTorch 代码转换为 Triton。此外，Predibase 还对其他大型基础模型（如 DeepSeek-R1、Claude 3.7 Sonnet 和 OpenAI o1）进行了内核正确性的基准测试。

与传统方法不同，Predibase-T2T-32B-RFT 利用 RFT 以交互方式调整模型行为，仅需少量标记数据即可显著优化下游任务质量。这使得它成为专有语言模型的高性价比替代方案。通过结合冷启动监督式微调、强化学习和课程学习，Predibase 在训练过程中仅使用了十几个标记数据点。

根据 Kernelbench 数据集的基准测试结果，经过强化后的 Qwen2.5-Coder-32B-instruct 模型在正确率方面比 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却减少了整整一个数量级。

开源地址：[https：//huggingface.co/predibase/Predibase-T2T-32B-RFT](https：//huggingface.co/predibase/Predibase-T2T-32B-RFT)
在线体验地址：[https：//predibase.com/reinforcement-fine-tuning-playground](https：//predibase.com/reinforcement-fine-tuning-playground)

本文来源：