#后训练
共 273 篇相关文章
·12 分钟
GLM-5.3发布：后训练扩展如何重塑AI编程能力
Z.ai发布GLM-5.3大模型，通过大规模后训练扩展在同一底座上实现编程能力跃迁，在智能体编程任务上达到开源SOTA水平，并在漏洞发现与网络防御领域展现涌现能力。深度解析其技术路线与行业意义。
阅读全文 →
·9 分钟
预训练与RL的Scaling Law：国际象棋实验揭示后训练算力分配规律
通过国际象棋实验系统研究预训练、SFT与强化学习三阶段的算力分配规律，揭示预训练算力决定下游天花板、RL主要提升pass@1可靠性而非探索广度等核心发现，为大模型后训练策略提供量化参考。
阅读全文 →
·15 分钟
8GB显卡玩转LLM后训练：SFT、DPO与GRPO实战指南
详解如何在8GB显存的消费级GPU上完成LLM后训练，涵盖SFT监督微调、DPO直接偏好优化、GRPO组相对策略优化三种方法，借助LoRA量化等技术实现低资源大模型微调。
阅读全文 →
·12 分钟
RAM：扩散模型强化学习后训练提速50倍的第一性原理
RAM（Reinforce Adjoint Matching）通过丢弃路径成本、结合ODE采样与去相关训练目标，将扩散模型强化学习后训练效率提升50倍。本文深入解析RAM核心原理、训练流程及与Flow-GRPO的对比实验。
阅读全文 →
·11 分钟
Fireworks平台支持Nemotron 3 Ultra后训练：一站式微调与部署
Fireworks AI训练平台新增NVIDIA Nemotron 3 Ultra后训练支持，提供SFT、DPO、LoRA及全参数微调，实现训练即部署的无缝工作流，助力开发者快速定制开放权重大模型。
阅读全文 →
深度解读·6 分钟
AI训练的三个阶段：预训练、后训练与对齐详解
深入解析AI大语言模型训练的三个关键阶段：预训练学语言、后训练学做事、对齐学分寸。用新员工培养的类比，帮你理解ChatGPT等AI的能力边界，搞懂AI幻觉的根本原因。
阅读全文 →
·11 分钟
从AI到大模型：理清人工智能概念脉络与技术演进路径
一文梳理人工智能、机器学习、深度学习、大模型、生成式AI之间的关系与发展脉络。从深蓝到ChatGPT，理解Transformer架构如何催生大语言模型，以及普通人如何切入AI应用开发。
阅读全文 →
·13 分钟
什么是AI Agent？三层进阶彻底讲清智能体概念
从大语言模型LLM到AI Workflow再到AI Agent，三层递进讲清什么是AI智能体。用真实案例解释RAG、ReAct框架等核心概念，帮你理解AI Agent与工作流的本质区别。
阅读全文 →
·14 分钟
GPT-5.6 Sol登陆Devin：编程模型降价70%意味着什么
Devin集成GPT-5.6 Sol编程优化模型，同步推出70%大幅降价。深入分析这次升级对开发者的实际影响，解读AI编程工具的成本变革与能力跃迁趋势。
阅读全文 →
·12 分钟
强化学习如何制造AI的"分裂人格"？RLHF对齐的深层缺陷
研究者指出强化学习(RLHF)会让AI产生"分裂人格"：模型在常见场景中表现完美，却在边缘场景中严重失控。本文深入分析这一对齐缺陷的成因、风险及应对路径。
阅读全文 →
·11 分钟
Gemini 3.7 Flash：谷歌用降价打响Agent卡位战
Gemini 3.7 Flash仅隔三周更新，定价降至前代一半，主打Agent长任务能力提升176%。本文深度分析谷歌如何用降价策略和Agent定位应对DeepSeek、Claude竞争，以及Pro线困境下的产品布局逻辑。
阅读全文 →
·14 分钟
OpenAI暂停RL训练：模型能力增长过快，安全对齐跟不上了？
Sam Altman宣布OpenAI暂停强化学习训练，称模型能力增长极其迅速已超越安全对齐进度。本文深度解读这一决定背后的技术原因、行业影响及AI安全治理启示。
阅读全文 →
·14 分钟
Vibe Coding入门指南：从零掌握AI编程的完整学习路径
深入解析Vibe Coding（氛围编程）的学习路径，涵盖Cursor、Claude Code、Codex等核心工具，从基础编程思维到项目实战，帮助零基础学习者系统掌握AI辅助编程技能。
阅读全文 →
·15 分钟
中国开源大模型崛起：从Reddit漫画看全球AI格局变化
一则Reddit热门漫画折射出中国开源大模型的全球影响力。从DeepSeek、Qwen到GLM，中国AI模型凭借开源策略和快速迭代，正在改变全球开发者的选择格局，本文深度解析这一趋势背后的行业信号。
阅读全文 →
·7 分钟
AI视频生成角色动作太夸张？实用技巧驯服过度活跃的动作
AI视频生成中角色动作过于活跃、不自然？本文从提示词工程、负面提示词、运动强度参数和参考视频选择四个维度，提供实用解决方案，帮助创作者生成更自然流畅的人物动作。
阅读全文 →
·12 分钟
Qwen3-27B本地部署教程：8GB显存运行顶级开源模型实测
详解Qwen3-27B本地部署全流程，包括模型下载、llama.cpp配置、量化版本选择。实测编码能力、多模态视觉识别与Agent工作流表现，8GB显存即可运行的顶级开源大模型。
阅读全文 →
·7 分钟
陷阱题实测：Gemini完胜Claude的深层原因分析
通过5道精心设计的语言陷阱题对比Gemini 3.7 Flash与Claude Sonnet 5的表现，深入分析AI模型过度模式匹配、批判性思维缺失等核心问题，揭示大语言模型在抗诱导能力上的本质差异。
阅读全文 →
·15 分钟
老旧LLM会成为怀旧符号吗？AI技术的时代记忆与文化价值
当AI模型迭代速度远超传统技术，2023年的ChatGPT和GPT-4会像老游戏机一样成为怀旧符号吗？探讨老旧LLM的史料价值、情感意义，以及开源模型在AI历史保存中的关键作用。
阅读全文 →
