待验证50% 置信观点精确时间

persona post-training 通常属于监督微调（SFT）或偏好对齐（如 RLHF、DPO）的特化变体，更关注模型输出的一致性而非能力上限

1

来源数

50%

置信度

长期有效

时效性

2026/10/4

首次发现

来源

Fulcrum 用 4500 美元训练出 Echo：Kimi K3 LoRA 微调实战

涉及实体

persona post-trainingconcept

相关事实

待验证「后训练」（Post-training）是预训练完成后的对齐与能力强化阶段，通常包括SFT、RLHF及基于过程奖励模型的强化学习（如GRPO、DAPO）73% 相似已验证从预训练检查点到可商用产品需经历监督式指令微调（SFT）和基于人类反馈的强化学习（RLHF）两个后训练阶段73% 相似待验证预训练和SFT只提供正向监督，而DPO及RL相邻技术提供负向监督的杠杆，能降低错误序列的概率72% 相似待验证点版本升级通过监督微调（SFT）、强化学习人类反馈（RLHF）或直接偏好优化（DPO）等后训练技术进行，成本低于全新预训练71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/973248

API

curl https://kongchang.com/api/v1/knowledge/claims/973248

MCP

get_claim(id=973248)