训练、数据与模型优化：从数据清洗到 LoRA
GPTQ、AWQ、SmoothQuant 与 AdaQuant 的核心思路有什么不同？
原题原题未将 AdaQuant 绑定到具体论文或库。
为什么 Step-level SFT 之后再进行 GRPO，通常比直接从基座模型开始做 GRPO 稳定？
原题预训练与 SFT 在数据、目标函数、计算形态和基础设施上有什么区别？
原题LoRA 应该挂在哪些层？rank、alpha 和 dropout 如何共同影响效果？
原题Transformer 自注意力机制的原理、计算过程与作用是什么？
原题GRPO 中相对奖励是如何计算的？同一组奖励方差接近零时如何处理？
原题Agent 交互轨迹与普通语言模型语料有什么区别？如何仿真高质量轨迹？
原题Agentic CPT、SFT、RL 三阶段分别训练什么能力？
原题Agentic RL 与普通 LLM RL 的核心差异是什么？
原题长时序任务中的 Agent RL 为什么容易训练失稳？如何缓解？
原题
暂无题目