3月20日消息，昨日晚间，大模型训练、开发平台Predibase发布了首个端到端强化微调平台（RFT）。

Predibase表示，DeepSeek-R1的开源在全球AI领域产生了巨大影响，让很多人意识到强化学习微调对训练大模型的重要性。受此启发，他们开发了这个端到端无服务器强化微调平台。

与传统的监督式微调相比，RFT不依赖大量的标注数据，而是通过奖励和自定义函数来完成持续地强化学习，同时支持无服务器和端到端训练方法，从数据管理、训练模型到应用部署可以在同一个平台完成。用户只需要一个浏览器，设定微调目标、上传数据、就能完成以前非常复杂的大模型微调流程。

为了展示RFT的强大，Predibase根据阿里开源的Qwen2.5-Coder-32B-instruct，微调了一个专门用于将PyTorch代码翻译为Triton的模型Predibase-T2T-32B-RFT。

与传统的监督式微调方法不同，Predibase-T2T-32B-RFT利用RFT以交互方式调整模型行为，以最少的标记数据优化下游任务质量。这使其成为专有LLM的高性价比、高性能替代方案。

通过RFT，Predibase在训练过程结合了冷启动监督式微调、强化学习和课程学习，并且只使用了十几个标记数据点。

在Kernelbench数据集上进行的基准测试显示，Qwen2.5-Coder-32B-instruct经过强化后，其正确率比DeepSeek-R1和OpenAI的o1高出3倍，比Claude 3.7 Sonnet高出 4 倍以上，而模型的体量却比这三个小很多。

IT之家附开源地址：

https://huggingface.co/predibase/Predibase-T2T-32B-RFT

在线体验地址：

https://predibase.com/reinforcement-fine-tuning-playground