核心目标：自回归建模（生成）、掩码建模（理解）、序列到序列（转换）。趋势：从单一预训练目标转向多阶段优化（预训练→指令微调→RLHF）。面试重点：理解不同目标的原理、优缺点，并能结合实际模型（如GPT vs BERT）对比分析。总结来说，这一部分其实和上一部分有些重复。根据三种不同 的主流架构 ，训练的目标也不一样，这也决定了模型的训练方式不一样。如Encoder only关注于 上下文的理解 ，

上午学习了LLM的三个主流架构 以及RLHF 的流程，下午 学习一下北京大学的deepseek文档 ，关于 提示词工程及相关的 应用前面的知识基本上都是提示技巧，对我而言 ，就这个反向pua 也就是 让 其自己评估自己的回答不断精进 这一点可以采用。突然想到我的 md 文档要进行上传， 但是我的图片不会跟着上传， 我应该做一个图库了ok 已经完全解决了 ，采用的github 作为仓库，整个过程还是