使用 cot sft 时选择检查点

作者: lzhptr创建于 2025年10月1日更新于 2025年10月1日

当我使用思维链的分离时,如果损失包括思维过程和答案,那么选取损失最小的检查点的预测精度将会很低。我是否需要修改预测,使其仅计算答案的损失,而不计算思维过程的损失?

内容来源: huggingface/open-r1