【大模型下半场的入场券：后训练才是定义产品的分水岭】Hugging Face工程师Ben Burtenshaw在《Post-Training AI》中指出，预训练模型只是在做概率预测，真正让它具备指令遵循、逻辑推理和工具调用能力的，是包含监督微调（SFT）、偏好学习和强化学习在内的后训练过程。通过TRL和PEFT等工具处理开放权重模型，开发者能以远低于闭源API的成本，构建出具备智能体属性的私有化系统。如果说预训练是给模型灌输人类文明的藏书，那么后训练就是教它如何成为一名合格的职员。现在大家不再盲目追求模型规模，是因为意识到通用能力的溢出并不能直接转化为业务价值。真正的护城河在于如何通过可验证的奖励机制，让模型在特定领域内表现得像个专家而非复读机。当你掌握了后训练的主动权，你才算真正拥有了这个模型，而不是在别人的地基上租用昂贵的算力黑盒。 www.oreilly.com /library/view/post-training-ai/0642572382193/