人是_ (電影《流浪地球2》定義主題曲)
周深的歌曲
總覽
歌詞
去往 所有 命運 風暴之中的盲童
你來自火山炙熱 與苦寒的深海
生本 就是 意外 硬幣反選為塵埃
為僥倖可以相愛 造了船 移著山
出征是古老的宿命
人將赤足踏入夜晚
只有我可以來決定 我以何種姿態
讓死亡覬覦我
讓恐懼親吻我
來摧毀我深愛的一切
可仍奪不走我的選擇
彈指間湮滅我
但命運打不敗活著
讓生命如劇烈的煙火
璀璨熄滅前也將點亮
孩童的雙眸
未知 攤開 棋局 捨棄昨日才可破
再見了我的月光 我的藍 我的愛
鋼鐵的巨獸在轟鳴 我們拒絕走入夜晚
破碎是新生的約定 我便願為塵埃
讓死亡覬覦我
讓恐懼親吻我
來摧毀我深愛的一切
可仍奪不走我的選擇
彈指間湮滅我
但命運打不敗活著
讓生命如劇烈的煙火
璀璨熄滅前也將點亮
孩童的雙眸
若巨浪已淹沒了來路 我是帆 亦是舟
是微渺 的希望
我們依然前行 沒有光指引
往前吧 失去吧 不要停留
讓時空消亡我
你無需記得我
來摧毀我深愛的一切
可仍奪不走我的選擇
彈指間湮滅我
但命運打不敗活著
是微茫中高歌的族類
生命像煙火那就點亮
孩童的雙眸
未來的瞳孔
來源： Musixmatch
作詞/作曲：Tian Tang / Lei Qian
### **步驟精簡**
1. **初始模型**：選用預訓練模型（如GPT）作為起點。
2. **設計獎勵**：
- 人工評分訓練「獎勵模型」，或自動指標（如語法、關鍵詞）。
- 任務明確時直接用環境反饋（如遊戲輸贏）。
3. **生成回應**：輸入提示（prompt），採樣多個候選答案。
4. **策略更新**：
- 使用PPO等算法，最大化獎勵。
- 限制更新幅度（KL散度）、鼓勵探索（熵正則化）。
5. **反覆迭代**：重複生成→評估→更新，直到收斂。
---
### **關鍵挑戰與解方**
- **獎勵不足**：分解任務為多步獎勵，或從簡單任務開始訓練。
- **探索困難**：提高生成多樣性（如增加溫度參數）。
- **訓練不穩**：梯度裁剪、混合預訓練損失（保留語言能力）。
- **計算成本**：並行化生成、僅微調部分參數（如LoRA）。
---
### **總結**
直接RL可行，但需精準設計獎勵、控制探索與穩定訓練，並結合預訓練模型的知識基礎（如KL約束）。
沒有留言:
張貼留言