Llm-Training on All about Raspberry Pihttps://hugozhu.site/tags/llm-training/Recent content in Llm-Training on All about Raspberry PiHugoenWed, 22 Jul 2026 00:00:00 +0000SFT、RL 与 Self-RL：从大模型训练到团队管理的优化系统https://hugozhu.site/post/2026/305-sft-rl-self-rl-optimization-system/Wed, 22 Jul 2026 00:00:00 +0000https://hugozhu.site/post/2026/305-sft-rl-self-rl-optimization-system/<p>去年年底，一个带三十人团队的朋友跟我吐槽：「我团队执行力特别强，交代什么做什么，但就是没人主动提新想法。」</p> <p>我问他：「你的绩效考核怎么算的？」</p> <p>他说：「Bug 修复数、代码行数、需求交付准时率。」</p> <p>我说：「那你训练出来的不是工程师，是 KPI 优化器。他们不是不会探索，是探索了没奖励。」</p> <p>他愣了一下：「这跟训练 AI 有什么区别？」</p> <p>区别不大。真的。</p>