Post-Training
大语言模型后训练（Post-Training）的核心概念、常见方法（微调、增量训练、知识蒸馏等）及其在模型性能提升中的作用
Post-Training 训练流程
介绍后训练（Post-Training）的基本流程与方法
PEFT
介绍参数高效微调（PEFT）技术及其应用
RLHF
介绍基于人类反馈的强化学习（RLHF）技术
RLVR
介绍可验证奖励强化学习（Reinforcement Learning with Verifiable Rewards, RLVR）的基本原理及其在大规模语言模型训练中的应用方法
数据合成
介绍数据合成（Data Synthesis）的基本原理及其在大规模语言模型训练中的应用方法
Agentic RL
介绍 Agentic RL 的核心概念、与传统 RLHF/RLVR 的区别、三个不变量以及八个关键模块
后训练框架
介绍后训练阶段常用的框架和工具，包括 PEFT、TRL、VERL 等
Distillation
介绍模型蒸馏（Distillation）的基本原理及其在大规模语言模型推理中的应用方法
这篇文档有帮助吗？