
大模型对齐训练三阶段演进:从RLHF到DPO再到GRPO的算法原理与工程化实现
大模型的对齐(Alignment)训练是让预训练基座模型从「续写文本」变为「遵循人类意图」的关键环节。从2022年ChatGPT采用RLHF(Reinforcement Learning from Human Feedback)一鸣惊人,到...

大模型的对齐(Alignment)训练是让预训练基座模型从「续写文本」变为「遵循人类意图」的关键环节。从2022年ChatGPT采用RLHF(Reinforcement Learning from Human Feedback)一鸣惊人,到...
如何通过 ncnn 的 Mat 结构理解端侧内存对齐:详解 32 字节对齐对 SIMD 加速的意义 在高性能端侧推理框架(如腾讯的 ncnn)中,性能优化往往精确到每一位内存布局。在阅读 ncnn 源码时,你会发现其核心数据结构 ncnn:...
如何通过内存对齐 Padding 提升 Go 结构体在 CPU 缓存行中的访问性能 在现代多核 CPU 架构中,内存访问的最小单位并非单个字节,而是被称为缓存行(Cache Line)的数据块,通常为 64 字节。当多个线程(或 Gorou...
知识蒸馏(Knowledge Distillation, KD)是一种模型压缩技术,通过训练一个轻量级的学生模型去模仿一个性能强大的教师模型(Teacher Model)的输出。在大模型(LLM)时代,KD的焦点已经从单纯的“模仿输出概率”...