记忆是智能体积累经验并透过与环境交互探索世界的主要驱动力。

最近在系统学习大模型微调，从为什么需要微调开始，一路梳理 SFT、LoRA、QLoRA、DPO 等常见方法，再到数据准备、训练流程、效果评估和实践中的踩坑记录。先把概念框架搭起来，后面再慢慢补充自己的实验过程。