起点课堂会员权益
职业体系课特权
线下行业大会特权
个人IP打造特权
30+门专项技能课
1300+专题课程
12场职场软技能直播
12场求职辅导直播
12场专业技能直播
会员专属社群
荣耀标识
斯坦福团队将 LLM 后训练思路引入机器人，VLA 开始从真实经验中继续学
斯坦福博士生 Perry Dong 与导师 Chelsea Finn 提出面向机器人的通用后训练思路。预训练模型已能完成复杂任务，却卡在可靠性上：95% 的成功率放进有玻璃、宠物和孩子的家庭，剩下的 5% 仍会不断制造事故，机器人要学的是稳定把事做对。
"后训练"相关的文章
马卡龙的下注：把模型后训练，做成企业服务
Mind Lab 发布模型后训练与推理平台 Mint Recursive，把 MinT 等内部训练链路开放成托管服务。文章复盘 Macaron V1.1 以 GLM-5.3 为基座、训练四个 2B LoRA 专家的过程，以及发票核对与生成式 UI 任务上的前后对照。
大厂后训练视角看Jev模型的更新（大白话）
Jev 的爆火并非因为“读懂潜台词”的趣味截图，而是它试图用 RLCD 取代 RLHF，让大模型从“会聊天”转向“能决策”。本文用大白话拆解预训练、RLHF 到 RLCD 的演进，结合客服等场景，客观分析 Jev 的价值、局限与待验证之处。
非技术背景，一文读懂大模型后训练（万字长文）
大模型的后训练都在训练些什么？sft、rl、ppo、lora、adapter，这些算法开发们口中的专属名词，都代表着什么意思？本文将尽可能从非技术角度，一文帮你读懂大模型后训练。
同时这也是继去年发布《非技术背景，一文带你读懂大模型》后，时隔一年多，推出的非技术系列第二篇文章啦。也确实看到大家对于此类非技术向讲解的科普文比较感兴趣，希望这篇新文章能一样受大家的喜欢。
AI产品经理必修课：从“半成品”到“杀手级应用”——深度解析后训练（Post-training）
2025年AI领域最深刻的变化，不是算力的军备竞赛，而是后训练技术的战略崛起。从SFT塑造产品人格、RLHF量化用户体验，到推理模型实现System 2思考，本文以卡帕西的经典理论为框架，揭示AI产品经理如何将原始模型雕琢成商业产品。这不仅是技术解码，更是一份从'数据贵族化'到'工具路由'的实战指南。
大模型是如何被训练出来的？从预训练到后训练的一次性讲透
大模型从“学认字”到“学做人类偏好”的成长之路，是如何一步步训练出来的？本文带你了解从预训练到后训练的全过程，以及训练师在其中的关键作用。
大模型竞赛转向：决胜关键为何是“后训练”？
当前，通用模型在产业落地中面临知识断层、难以对齐用户隐性偏好等难题，而后训练正是解决这些 “最后一公里” 问题的核心。业界已探索出 SFT+RL、纯 RL 等训练范式，MoE 模型、FP8 精度等技术也成为后训练的重要选择。本文解析后训练的关键价值、产业痛点及顶级玩家的实践路径，探讨其如何成为大模型价值释放的决胜场，以及云平台在其中的支撑作用。
RL 是 LLM 的新范式
随着人工智能技术的飞速发展，RL（强化学习）逐渐成为LLM（大型语言模型）提升智能的关键技术，而本文就深入探讨了RLHF（基于人类反馈的强化学习）在LLM发展中的重要性和应用。
