Post-Training on Chen Kai Bloghttps://www.chenk.top/zh/tags/post-training/Recent content in Post-Training on Chen Kai BlogHugozh-CNMon, 30 Mar 2026 09:00:00 +0000大模型工程（四）：SFT、DPO 与 RLHFhttps://www.chenk.top/zh/llm-engineering/04-post-training/Mon, 30 Mar 2026 09:00:00 +0000https://www.chenk.top/zh/llm-engineering/04-post-training/<p>预训练得到的基座模型只能续写文本，而听懂指令、拒绝有害请求、维持人设等能力，则属于后训练阶段的任务——这也正是论文宣称的效果与真正生产级模型之间差距最大的地方。本章将深入探讨各类后训练算法究竟在优化什么、为什么大多数奖励模型其实存在隐性缺陷，以及到 2026 年真正行之有效的实践方法。</p>