第六章 · 上篇 · 零件：从一个 Token，到一个模型 后训练与对齐 本章 3 节 · 已发布 0 节 · 全书 34 节 · 已发布 13 节 本章进度0% 本章目录¶ 18SFT：指令微调为何有效写作中 19RLHF / RLVR：从人工偏好到可验证奖励写作中 20DPO 与蒸馏：把大模型压进小模型写作中 本章收尾栏目¶ 谬误与陷阱 随正文一起发布 本章练习与复现 随正文一起发布 本章小结 随正文一起发布 每章固定收尾（反模式 / 可复现 / 收束） · 栏目内容含一手证据时才发布，无证据宁可留空。