标签: training
包含该标签的所有文章 "training".
RLVR 与 GRPO：让小模型拥有推理能力
2026 年的突破不在参数规模，而在后训练。通过 RLVR、GRPO 与 On-Policy DPO，小推理模型已能媲美专有系统。
领域微调 2026：小团队也用得起的 Fine-tuning
通用模型商品化背景下，领域微调成为护城河。本文梳理 2026 年微调的工具链、成本与选型。
包含该标签的所有文章 "training".
2026 年的突破不在参数规模，而在后训练。通过 RLVR、GRPO 与 On-Policy DPO，小推理模型已能媲美专有系统。
通用模型商品化背景下，领域微调成为护城河。本文梳理 2026 年微调的工具链、成本与选型。