读完就能用的 AI 知识文章

预训练之后，为什么还要后训练？

解释大模型预训练之后为何还需后训练：基座模型只会续写文字，听指令、安全性、长链条推理三方面不足；后训练用更小更精的数据调整行为，分为三种技术——指令微调SFT（跟示范学）、偏好对齐RLHF/DPO（靠比较学）、RLVR（由检查器判对错），并对比预训练与后训练在目标、数据、信号、成本上的差异。