> ## Documentation Index
> Fetch the complete documentation index at: https://docs.coreweave.com/llms.txt
> Use this file to discover all available pages before exploring further.

# Post-training

> 관리형 인프라에서 증류, 강화 학습, 지도 파인튜닝을 통해 모델을 작업에 맞게 조정하세요.

Post-training은 기존 모델을 사용자의 작업에 맞게 조정하는 CoreWeave Forge 서비스 모음입니다. 각 서비스는 Forge가 대신 프로비저닝하고 확장하는 인프라에서 트레이닝을 수행하며, 트레이닝한 결과를 배포하므로 애플리케이션에서 곧바로 사용할 수 있습니다.

<Columns cols={3}>
  <Card title="Model Distillation" href="/ko/model-distillation" arrow="true">
    애플리케이션의 실제 트래픽에서 트레이닝 데이터를 수집하고, 더 큰 모델에 필적하는 더 작은 모델을 트레이닝하고, 두 모델을 비교한 다음, 더 나은 모델을 점진적으로 배포하세요.
  </Card>

  <Card title="Serverless RL" href="/ko/products/post-training/serverless-training/rl" arrow="true">
    강화 학습으로 모델을 Post-training하여, 보상 함수로 점수를 매기는 멀티턴 작업에서 에이전트의 성능을 향상시키세요.
  </Card>

  <Card title="Serverless SFT" href="/ko/products/post-training/serverless-training/sft" arrow="true">
    선별된 입력 및 출력 예시로 모델을 파인튜닝하여 작업, 스타일 또는 형식을 학습시키세요.
  </Card>
</Columns>

<h2 id="choose-a-service">
  서비스 선택
</h2>

* **Model Distillation**은 UI를 갖춘 가이드 워크플로입니다. distillation proxy를 통해 애플리케이션을 연결하면 예시를 수집하고, 후보 모델을 트레이닝하고, 평가한 후 선택한 모델로 트래픽을 라우팅합니다. 이미 LLM 기능을 프로덕션에서 사용 중이며 이를 위한 더 저렴하고 빠른 모델을 원한다면 여기서 시작하세요. Model Distillation은 비공개 프리뷰입니다. Forge의 **Post-Training** 페이지에서 액세스를 요청하세요.
* **Serverless RL**과 **Serverless SFT**는 프로그래밍 방식입니다. [OpenPipe ART framework](https://art.openpipe.ai/getting-started/about) 또는 Serverless Training API를 통해 코드에서 구동하며, 직접 보상 함수 또는 데이터셋을 제공합니다. 둘 다 공개 프리뷰입니다. 비교 방법과 공유하는 점은 [About Serverless Training](/ko/products/post-training/serverless-training)을 참조하세요.


## Related topics

- [파인튜닝된 LoRA 생성하기](/ko/products/inference/serverless/tutorials/creating-lora.md)