微调显存优化栈

06-29

DPOTrainer 详解：TRL 直接偏好优化

06-29

全参微调与 PEFT 选型

06-29

监督微调 SFT 与指令微调

06-29

继续预训练 CPT 与领域适配

06-29

Adapter 合并、多 LoRA 与续训

06-29

PEFT 方法横向对比：LoRA、AdaLoRA、DoRA、IA³

06-29

QLoRA 与量化微调

06-29

偏好数据构造：chosen/rejected 与质量要点

06-29

微调数据清洗与质量控制

06-29

微调数据格式与 Chat Template

06-29

LoRA 原理与工程配置

06-29

偏好对齐路线选型：DPO、GRPO、RLHF 与一步对齐

06-29

微调技术路线系列导读

06-29

pass@k 详解

06-24