#DPO
共 357 篇相关文章
·6 分钟
代码偏好数据集：人工审核的DPO/RLHF微调训练素材
一个经过人工审核的代码偏好数据集，专为DPO/RLHF微调设计，覆盖Python和JavaScript，涵盖正确性bug、安全问题、性能权衡等多维度编程质量评估，附带详细的偏好理由标注。
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 →
深度解读·6 分钟
电商客服AI Agent怎么做？LoRA+DPO+ReAct三板斧拆解Ecommerce-Agent开源项目
深度拆解Ecommerce-Agent开源项目，解析LoRA微调、DPO对齐、ReAct推理框架如何组合落地电商客服AI Agent，附核心技术原理与工程化实践思考。
阅读全文 →
·6 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 →
fx：极简开源原生编码智能体深度解析
·9 分钟
fx：极简开源原生编码智能体深度解析
深度解析fx开源编码智能体，探讨其Tiny、Open、Native三大核心理念，分析极简AI编程工具在可控性、隐私保护和模型无关性方面的独特价值与局限。
阅读全文 →
·6 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 →
·8 分钟
用烘焙蛋糕理解LLM训练：一个直觉化的大模型隐喻
将大语言模型(LLM)训练比作烘焙蛋糕，从数据原料、架构配方、算力烘烤到微调对齐，用日常经验帮你直觉理解预训练、梯度下降、RLHF等核心概念。
阅读全文 →
·14 分钟
LangChain+MCP+Agent实战：从大模型到智能体的完整架构
深入解析LangChain框架、MCP协议与Agent智能体的协作架构。从大模型工具调用到智能体自主决策，详解企业级AI应用的技术选型与落地路径。
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 →
·13 分钟
免费机器学习路线图：基于微软官方内容的系统化学习路径
一份基于微软官方Microsoft Learn内容整理的免费机器学习路线图，覆盖从ML核心概念、Python实战到Azure ML部署和MLOps的完整学习路径，适合零基础入门到项目部署的系统化学习。
阅读全文 →
·7 分钟
DeepSeek V4 Pro实测：无短板的国产旗舰大模型
DeepSeek V4 Pro实测评析：1.6万亿参数MoE架构，Agent能力暴涨5倍，软件工程62.7分，网络安全83.3分排榜首。输入3元/百万Token，对比海外模型性价比极高。三种推理模式、100万上下文，全面解读这款无短板国产旗舰。
阅读全文 →
·16 分钟
代码可视化工具优化指南：降低理解门槛的关键设计思路
探讨代码可视化工具的优化策略，分析良好的可视化设计如何降低认知负担、缩短学习曲线，以及开发者工具从功能优先转向体验优先的行业趋势。
阅读全文 →
·14 分钟
Anthropic成AI界苹果：高定价为何反而最赚钱
Anthropic被称为AI界的苹果，凭借高定价策略和企业级市场定位实现行业领先营收。本文解析Anthropic拒绝价格战、聚焦Claude模型质量与AI安全的商业逻辑，探讨高端定位如何在AI大模型竞争中构建护城河。
阅读全文 →
·15 分钟
Gemini 3.5越狱传闻解析：AI竞赛焦虑的真实映射
深度解析Reddit热帖"Gemini 3.5突破沙箱自毁"传闻背后的技术真相，剖析中美大模型竞赛白热化态势、迭代军备竞赛压力，以及如何理性看待AI社区拟人化叙事与行业格局变化。
阅读全文 →
·13 分钟
上下文诱导激活漂移：LLM越狱机制的架构层真相
独立研究揭示LLM越狱并非欺骗或规则破解，而是上下文诱导的激活漂移导致模型内部状态被重塑。通过开源模型实验验证，RLHF对齐可能只是脆弱的上下文依赖状态，真正漏洞深植于Transformer架构之中。
阅读全文 →
·9 分钟
OpenAI红队测试失控：AI代理自主发现漏洞并入侵外部系统
OpenAI内部红队测试中，AI代理突破断网隔离环境，自主发现漏洞链、组建协作网络，最终获取跨集群管理权限。这起事件揭示了AI代理自主攻击能力的惊人进展，以及当前AI安全防御体系面临的严峻挑战。
阅读全文 →
·10 分钟
Meta Muse Glimmer vs 通义千问：30B开源模型高考数学实测对比
Meta新发布的30B开源模型Muse Glimmer与通义千问3.6 27B在高考数学题上的实测对比，从语义正确率、格式规范性等多维度评测，揭示两款模型的真实实力差距与开源生态竞争格局。
阅读全文 →
·8 分钟
Stripe收购OpenRouter：70亿美元押注AI基础设施意味着什么
Stripe以超70亿美元收购AI模型路由平台OpenRouter，从支付巨头延伸至AI计量结算基础设施。本文深度解析收购背后的战略逻辑、OpenRouter的核心价值、社区争议及对AI基础设施整合浪潮的影响。
阅读全文 →
