SFT、DPO 训练与日常 AI 助手有什么关系？

SFT 与 DPO

• SFT 使用示例问答，帮助模型学习特定任务的回答方式。
• DPO 使用偏好与非偏好回答的对比数据，优化回答偏好。
• 训练效果依赖数据质量、模型与参数；不能保证消除幻觉或准确记住所有事实。

从数据到使用

1. 在客户端训练中心选择可用基座模型与训练方式。
2. 按模板准备并上传数据；当前支持的文件类型以上传页为准。
3. 核对会员权限、预估费用及参数后提交训练任务。
4. 训练完成后在“我的模型”中查看结果，按可用入口部署并用于对话。

怎样选择

需要持续理解个人偏好时使用记忆；需要查询文档时使用知识库；只有具备训练数据并希望定制模型行为时，再考虑模型训练。

• 记忆、聊天记录与知识库的区别
• 会员与算力说明
• 当前聊天模型与训练基座