VERL
使用 VERL 框架组织后训练流程。
LLM POST-TRAINING
大模型后训练
通过强化学习后训练，提高 Qwen 系列模型在工业异常检测任务中的识别与推理能力。
01工业检测 Prompt
02模型 Rollout
03结果与推理 Reward
04DAPO Update
TARGET TASK异常识别 + 推理过程
- 组织
- 浙江大学 CAD Lab
- 方向
- 工业异常检测
- 时间
- 2025.11—2026.04
- 框架
- VERL / DAPO / Qwen
01 / CONTRIBUTION
面向工业异常检测的训练与数据准备。
围绕强化学习后训练流程和论文数据两部分参与项目。
DAPO
使用 DAPO 方法对 Qwen 系列模型进行训练。
工业异常检测
目标是提升模型的识别准确性与推理能力。
数据采集与生成
参与相关论文的数据采集和生成工作。