一、扩散模型（Diffusion Model）简介扩散模型是一类受非平衡热力学启发的生成模型。它的核心思想分为两个过程：前向扩散过程（Forward Process）向一张真实图像逐步添加高斯噪声，经过足够多的步骤后，图像完全退化为纯噪声。这个过程是固定的，不需要学习。反向去噪过程（Reverse Process）训练一个神经网络（通常是 U-Net）来预测每一步添加的噪声，从而将纯噪声逐步还原成

一、扩散模型（Diffusion Model）简介扩散模型是一类受非平衡热力学启发的生成模型。它的核心思想分为两个过程：前向扩散过程（Forward Process）向一张真实图像逐步添加高斯噪声，经过足够多的步骤后，图像完全退化为纯噪声。这个过程是固定的，不需要学习。反向去噪过程（Reverse Process）训练一个神经网络（通常是 U-Net）来预测每一步添加的噪声，从而将纯噪声逐步还原成

本文记录我在“灵语星火”实训项目中，基于 Qwen3-8B 完成英语口语共情对话模型微调的全部脚本代码讲解。内容涵盖 SFT 监督微调、DPO 偏好对齐以及测试集评估三个核心脚本，我会详细说明每一段代码的设计思路、关键参数和踩坑经验。

本文档详细记录了我在灵语星火团队中为口语对话模型微调所做的设计方案。目前项目处于设计阶段，已完成数据接入分析、清洗规则制定、样本构造模板设计、两阶段训练流程规划、超参预设、损失函数设计、质量控制计划和部署方案。所有设计均基于单卡 RTX 4090（24GB）（实际上我们还可能调用 L40显卡）的实际资源约束，并预留了动态调整空间。以上是我在 LingualSpark 口语对话能力微调任务中的完整设