Path
SFT 数据工程
高质量监督微调数据的系统性构建方法，涵盖数据清洗、标注、合成与质量评估。
-
1. 从工程实战到训练数据：AI工程化自动产出SFT数据的系统化方法
post承接第7篇的数据闭环，本文聚焦如何将已筛选的工程资产加工为高质量SFT样本，并接入可治理、可评估、可迭代的训练流水线。
-
2. 为什么你需要给AI当Coding Mentor？
post当AI编程助手成为标配，真正的竞争力不再是会不会使用AI，而是能不能判断、校准和约束AI的工程输出。本文从信任缺口、反馈协议、评估标准和能力闭环出发，建立“人类作为Coding Mentor”的核心框架。
-
3. 原创解读：LLM微调的艺术——从数据准备到模型炼成
post深入探索大语言模型微调的完整实践路径，从数据准备的工程思维到模型训练的细节把控，揭示让通用AI变身领域专家的关键方法论