2026-04-01-llm

[giscus[bot]]

2026-04-01-llm

很多人会把模型升级理解为参数变大，但线上体感差异常常出在后半段训练和发布链路。这篇从预训练一路讲到蒸馏上线，重点看数据工程、系统配方、后训练、评测奖励和 Agent 训练怎么一起影响最终表现。最后会看到，模型变强通常是权重、训练链路和部署决策共同作用的结果，不只是参数规模。

https://tw93.fun/2026-04-03/llm.html

[xiaoxiaohub]

图是用claude画的

[tw93]

对对对

[MrSchnappi]

感谢博主讲解，内容上基本把主流工作模式和每个节点的目标和难点都讲解了，很到位！。 如果从传统 LLM 训练 -> LLM + 对齐人类偏好 -> 以agent 的LLM， 讲解似乎更好。如果全文再贯穿某一个团队的持续工作（比如deepseek， openai，anthropic等） 讲解会更直观（个人观点，个人建议）～

[tw93]

哈哈哈 你这个也更清晰

[zionuke]

配图都好好看！（有啥提示词可参考的嘛）；整体内容量很扎实，收获很大！

[nornand]

感谢博主讲解，而且流程图很好看！请问是用哪个skill画的吗？