Sobreentrenamiento SFT: colapso de entropía e inversión de rango en RLVR
El sobreentrenamiento en SFT puede provocar inversión de rango en GRPO por colapso de entropía. Detecta checkpoints de alto riesgo.
#sobreentrenamiento sft
El sobreentrenamiento en SFT puede provocar inversión de rango en GRPO por colapso de entropía. Detecta checkpoints de alto riesgo.