Dostrajanie nadzorowane na starannie dobranych przykładach z długim rozumowaniem; często jako „zimny start” przed RL albo jako tani sposób na model rozumujący z niewielkiej liczby przykładów.
Supervised fine-tuning on curated examples with long reasoning traces; often a “cold start” before RL, or a cheap route to a reasoning model from few examples.
To uczenie modelu na starannie dobranych przykładach zawierających długie, rozpisane rozwiązania.
This trains a model on carefully selected examples containing long worked solutions.
Model potrzebuje przykładów prowadzenia wieloetapowego rozwiązania, zanim będzie skuteczniej ćwiczył trudne zadania.
A model needs examples of multi-step solutions before it can practise difficult tasks more effectively.
Trening uczy przewidywać kolejne fragmenty dobrych rozwiązań, kształtując sposób zapisywania etapów i poprawiania prób.
Training teaches prediction of successive parts of good solutions, shaping how the model writes steps and revises attempts.
Przygotowujesz sprawdzone rozwiązania zadań z kilkoma warunkami i używasz ich do dostrojenia modelu.
You prepare verified solutions to tasks with several constraints and use them to adapt a model.