大模型
向量
张量
表征学习（Embedding）
向量数据库
微调
全量微调
高效微调
RAG
Agent
PEFT（LoRA / QLoRA）
量化
知识灌注
Chunk
Tokens
SFT (监督微调)
人类偏好对齐（RLHF/DPO）
- RLHF：Reinforcenment Learning from Human Feedback
- 生成多样回答
- 让人工标注哪个更好
- 训练奖励模型 （Reward Model） + PRO 优化
- DPO ：Direct Preference Optimization
