共 5 篇文章
大模型LLM预训练微调对齐学习方法大模型
如何从零构建自己的 LLM：GPT 和 Claude 背后的 5 阶段完整流程
拆解 GPT、Claude、Gemini 背后的统一五阶段流水线：数据清洗、预训练（预测下一个 token）、缩放定律、后训练（SFT/RLHF/DPO）、评测与系统，强调架构最不重要，真正决胜在数据、评测与工程系统，附学习路径。
2026-08-3118000
大模型LLM预训练微调对齐心智模型大模型
如何从零构建自己的 LLM：GPT 与 Claude 背后的五阶段全流程
以入门视角讲清前沿 LLM 共用的五阶段流水线：数据准备与分词、预训练涌现语言能力、监督微调教其有用、奖励建模对齐偏好等，强调建立心智模型比数学学位重要，并说明可在笔记本上动手训练迷你版以破除神秘感。
2026-08-3114000
微调与对齐微调大模型本地部署教程模型微调
万字长文！读懂模型微调的基本概念和名词
万字教程详解模型微调的基本概念与名词。从预训练、基础模型、后训练讲起，覆盖SFT、指令微调、因果语言建模、PEFT/LoRA/QLoRA参数高效微调，数据相关概念（语料、数据集、去重、打包、过采样），训练参数（batch size、梯度累积、学习率、warmup、seed）及训练产物（loss、eval loss、过拟合、推理、vLLM、冒烟测试、评估），帮读者理解微调各环节。
2026-09-098000
微调与对齐微调开源模型本地部署开源模型微调
本地跑模型、做微调，现在可以用同一套工具完成：Unsloth
实测推荐开源工具Unsloth，把本地推理、LoRA/QLoRA微调、数据处理、效果对比与模型导出放进同一工作台，弥补Ollama、LM Studio、llama.cpp只专注推理的不足。核心是高效微调，官方称约2倍提速并减70%显存，支持GGUF、Safetensors，可接Claude Code、Codex等智能体，适合需行业微调的团队。
2026-09-106000
微调与对齐预训练微调强化学习RLHF对齐
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。
2026-10-221000