多目标优化主流算法实现详解：标量化法、NSGA-II/III、SPEA2、MOEA/D、多目标贝叶斯优化；各算法流程、代码要点、偏好场景与优劣势对比。

多目标优化核心概念：帕累托支配、非支配解、帕累托前沿；与加权标量化对比；Python 可视化与 pymoo 入门示例。

深入介绍表面等离子体共振（SPR）与生物膜层干涉（BLI）两种 label-free 实时亲和力检测技术的物理原理、实验机制、动力学拟合、优劣势与局限性；并与 ELISA EC50、ITC 等读数衔接。

Unsloth 的 FastLanguageModel、4bit 加载、与 SFTTrainer 集成、支持模型范围及与 Liger 的选型对比。

Axolotl 的 YAML 配置结构、数据集字段、LoRA/QLoRA 与 DeepSpeed 多卡训练及社区配方使用要点。

ModelScope SWIFT 的 CLI 微调流程、数据集注册、LoRA/DPO 配置及与 ModelScope 模型/部署的衔接。

LLaMA-Factory 的安装、数据格式、YAML 配置要点、LlamaBoard WebUI 与导出部署，及与 SFTTrainer 的分工。

主流 LLM 监督微调工具横向对比：抽象层次、配置方式、对齐能力、硬件与选型决策树，及各工具详解索引。

微调后通用能力退化的成因与缓解（数据混合、KL、lr），及 checkpoint 选择、命名与回滚的版本管理实践。

Unsloth 与 TRL Liger Kernel 在 SFT 微调中的集成方式、适用硬件与相对标准 Trainer 的收益预期。