待验证50% 置信事实精确时间
传统机器学习工程侧重模型训练、特征工程、算法优化，而现代LLM应用开发围绕API调用、提示工程、检索增强生成（RAG）和智能体编排展开
1
来源数
50%
置信度
长期有效
时效性
2026/9/12
首次发现
来源
涉及实体
相关事实
待验证引入LLM意味着数据科学团队需要掌握提示工程、检索增强生成（RAG）、微调（Fine-tuning）以及模型评估等技能栈74% 相似已验证数学LLM的训练策略包括在通用预训练基础上使用大规模数学语料进行继续预训练，再通过链式推理数据监督微调，并结合过程奖励模型进行强化学习72% 相似已验证现代LLM通过指令微调（Instruction Tuning）和基于人类反馈的强化学习（RLHF）获得了规划、推理和工具使用能力72% 相似待验证微调适合让模型学习特定输出风格或领域语气，而RAG通过外挂知识库实现即改即用，两者在工程中常结合使用71% 相似待验证大模型开发学习可拆分为五个递进阶段：大模型基础、RAG知识库开发、Agent智能体开发、模型微调进阶、项目实战70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/913217API
curl https://kongchang.com/api/v1/knowledge/claims/913217MCP
get_claim(id=913217)