后训练：微调与对齐
LoRA 通常插入哪些位置？不同 target modules 有什么影响？
原题QLoRA 如何在 LoRA 基础上进一步节省显存？
原题LoRA 有哪些常见改进方案？如 LoRA+、AdaLoRA、DoRA 等分别解决什么问题？
原题Adapter 的原理是什么？它适合什么场景？
原题Prefix Tuning 的原理是什么？它适合什么场景？
原题Prompt Tuning 和 P-Tuning / P-Tuning v2 有什么区别？
原题Adapter、Prefix Tuning、Prompt Tuning、P-Tuning 和 LoRA 的核心区别是什么？
原题实际项目中如何选择不同的 PEFT 方法？
原题为什么大语言模型对齐训练会从近端策略优化（PPO）发展到直接偏好优化（DPO）和组相对策略优化（GRPO）？三者在奖励模型、训练稳定性和成本上有什么区别？
原题大语言模型后训练中组相对策略优化（GRPO）如何提升推理能力？为什么可以去掉价值（critic）？
原题
暂无题目