后训练综合问答
FSDP vs ZeRO vs Megatron 怎么选？
原题SFT 训练多少个 epoch 合适？
原题LoRA 的 r 怎么选？
原题Function Calling 底层到底是什么？
原题怎么设计 Agent 的 reward？
原题怎么评估 Agent 而非聊天机器人？
原题设计 RLHF 训练系统。
原题设计 Reasoning Model 训练 Pipeline（R1/o1 风格）。
原题设计 Agent 场景奖励系统（多步 Tool-use）。
原题模型线上效果退化怎么诊断？
原题
暂无题目