8GB 显卡能学到什么:用最小实验拆开 SFT、DPO 与 GRPO 的后训练边界
大模型后训练常被描述成只有实验室才做得起的工作:数据、GPU 集群、复杂的分布式训练脚本,缺一不可。但如果目标不是训练一个可上线的通用模型,而是理解一次训练究竟改变了什么,实验规模可以小得多。 poc...
最新内容
大模型后训练常被描述成只有实验室才做得起的工作:数据、GPU 集群、复杂的分布式训练脚本,缺一不可。但如果目标不是训练一个可上线的通用模型,而是理解一次训练究竟改变了什么,实验规模可以小得多。 poc...
在开发现场,“把这个构建产物给同事”“让测试机取一份日志”“从另一台电脑收一个复现包”都是小事,却经常以不太可控的方式解决:开一个 python -m http.server,把目录暴露在局域网里;或...
在开发现场,“把这个构建产物给同事”“让测试机取一份日志”“从另一台电脑收一个复现包”都是小事,却经常以不太可控的方式解决:开一个 python -m http.server,把目录暴露在局域网里;或...
在开发现场,“把这个构建产物给同事”“让测试机取一份日志”“从另一台电脑收一个复现包”都是小事,却经常以不太可控的方式解决:开一个 python -m http.server,把目录暴露在局域网里;或...
在 Kubernetes 的 GitOps 实践里,CI 构建镜像、Argo CD 同步集群、允许一批工件进入生产,常被混成一件事。它们其实对应三个不同问题:构建系统负责产出工件;持续交付控制器负责让...
在 Claude Code 中刚解释过一次的仓库约定、排障结论和个人偏好,切到 Codex CLI 后又得从头交代——这通常不是模型“失忆”,而是两套客户端各自读取不同的上下文文件。把信息复制进多个 ...
Git 的能力并不缺,缺的是把一次尚未想清楚的修改整理成可提交历史时,开发者往往要在工作区、暂存区、临时提交、rebase 和撤销之间来回切换。Jujutsu(命令名 jj)不是给 Git 加一层别名...
团队开始同时使用 Claude Code、Codex 一类编码 Agent 后,最容易失控的并不是「有没有生成代码」,而是任务入口和 Git 状态:同一个工作目录被两个会话改动、工单上下文靠人工复制、...
把文字转成语音接入脚本、浏览器扩展或内部工具,看起来只是一次 HTTP 请求;真正部署时,问题却通常出在模型首次下载、服务尚未预热、音频生成把 CPU 撑满,或者把一个带 Web UI 的端口直接暴露...
给编码 Agent 接上终端、浏览器、MCP 服务之后,风险并不只来自模型“答错了”。更棘手的是:Agent 已经拿到了执行能力,某段网页文本、仓库里的说明文件或工具返回值又把间接提示注入带进上下文,...