东锡 NLP 启动后训练系列文章

预训练只教模型一件事：看到一段文字，猜下一个词。

预训练之后，为了把 base model 变成有用的助手所做的一切训练，统称 post-training（后训练）。

后训练通常分成三种技术：instruction tuning, preference alignment, 以及 RLVR。

这是后训练系列文章的第一篇，在接下来的几周，争取用深入浅出的方式，把后训练呈现出来，会配合文章和实验代码。