分类: 技术笔记

怎么计算 pass@k

记录 pass@k 的正向与反向推导，以及只知道采样成功次数时如何用无偏估计公式计算 pass@k，并整理 SFT 后 pass@1 提升而 pass@10 不提升的分析思路。

LLM Post-Training 学习指南：ms-swift / verl / OpenRLHF / MiniMind

对比 ms-swift、verl、OpenRLHF 与 MiniMind，规划从轻量复现到分布式 RLHF 的后训练学习路径。