080-模型后训练
- 010-后训练四阶段全景
- 020-预训练基础
- 030-Mid-training的本质与边界
- 040-Mid-training数据构造
- 050-SFT的本质
- 060-LoRA参数高效微调
- 070-SFT数据合成
- 080-Prompt与CoT蒸馏
- 090-何时选择Mid-training-SFT-RL
- 100-SFT与RL的本质区别
- 110-强化学习基础与Q-learning
- 120-LLM的变长动作与先验
- 130-策略梯度与PPO-GRPO
- 140-On-Policy与数值失配
- 150-RL环境与仿真
- 160-多轮任务与工具调用
- 170-奖励设计
- 180-在轨蒸馏与自蒸馏
- 190-从问题案例到训练数据
- 200-后训练实践要点