Train · L4
模型后训练
默认不做从零预训练。焦点是领域行为偏移、可回滚发布和安全不回退。
外部集 / 内部知识策展 → D1 / D2 / D3
│
├─► 预处理与课程编排
├─► 指令微调
├─► 偏好优化
└─► 对齐评测（D4 + 人工）
│
├─ 通过 → 发布权重标签 → 进入热层 → 推理回归
└─ 失败 → 回滚上一标签
| 阶段 | 输入 | 输出 | 说明 |
|---|---|---|---|
| 预处理 | D0 / D1 | 规范分片 | 转写、正字、语体分层 |
| 指令微调 | D2 | 检查点 | 任务分布对齐业务 |
| 偏好优化 | D3 | 对齐后权重 | 先做偏好优化；更重的强化学习另立范围 |
| 对齐评测 | D4 + 人工 | 评测卡 | 任务表现与安全不回退 |
| 发布 | 通过的评测卡 | 带标签的模型 | 触发推理回归 |
训练与推理隔离
- 训练作业与生产服务的网络和账号隔离
- 生产服务只读已发布标签
- 新标签必须同时通过推理回归和后训练评测才切换流量