微调Qwen2.5-coder，只用GRPO！打造能“懂你时间表”的AI工具人！ 下午2时 2025/05/09 作者 AI技术研习社 用GRPO训练自己的推理模型： “不用表标、不用表达式，只用“提示 + 奖励”也能教会模型学习。”
新手必看！用 DeepSeek-R1 数据训练出你的专属中文推理模型 下午2时 2025/04/04 作者 小兵的AI视界 进行 SFT （ Supervised Fine-Tuning ）的小模型也展现出了强大的效果 。前
用LLM做文本分类，微调选base还是chat 下午2时 2025/01/13 作者 Datawhale 作者：LeonYi 链接：https://www.zhihu.com/question/632473
