知识图谱 读书笔记 知识图谱推理 语义搜索 KQBA 知识图谱问答

通过持续预训练，提升后续sft潜能。

知识图谱 方法、实践与应用读书笔记 知识存储 规则挖掘 知识融合

数据分析阶段常用的统计图，验证数据分布，发现数据之间的关系，进行异常值检测。

通过高质量sft与rl，提升模型推理能力

通过高质量sft与rl，提升模型推理能力

利用大模型 迭代进行高质量文本创作。

作者指出，现有方法存在两大缺陷：通用LLM缺乏金融领域的结构化推理能力，而纯量化模型又缺乏可解释性。为此，论文提出了Trading-R1框架，通过一个“由易到难”的三阶段课程学习，结合监督微调（SFT）与强化学习（RL），成功训练出一个4B参数的开源模型，其在回测中表现优于GPT-4.1等闭源巨头。

大模型写作，提升开放领域写作效果

利用千问模型，对人类游戏对局数据进行自动标注，通过sft+RL训练，教会模型打游戏。