本文详细介绍了大模型全参数训练方法，重点分析了SFT、DPO、PPO、GRPO等主流模型训练技术及其实现工具TRL和LlamaFactory。主要内容包括： 训练流程：分为预训练、SFT微调、偏好对齐三个阶段，TRL提供统一接口支持各阶段训练。

T 越高，输出分布越平缓，类别间的相对关系（"暗知识"）越明显。T=1 退化为标准 softmax。用大模型（teacher）的 soft label 指导小模型（student）训练。训练后的网络中存在大量接近零的权重，对输出贡献可忽略。剪枝即移除这些冗余连接。

（数千个不同尺寸/比例的参考框），模型预测相对 anchor 的偏移量，再用 NMS 去除重叠框。

类别 外部指标 侧重 Recall一句话定义：与 BLEU 侧重 Precision 相反，ROUGE 侧重Recall——参考摘要中的关键信息，模型生成结果覆盖了多少。变体计算方式适用场景ROUGE-N参考与候选之间 n-gram 的 Recall基础版本，类似 BLEU 的 recall 方向ROUGE-L基于最长公共子序列（LCS）最常用，不要求连续匹配，更灵活ROUGE-W加权 LCS，对

VLA = Vision-Language-Action（视觉-语言-动作模型）。它是一个端到端的多模态模型，输入端接收摄像头图像 + 自然语言指令，输出端直接产生机器人的关节动作序列。你对机器人说"帮我把桌上的红色杯子拿过来"，VLA 模型通过摄像头看到杯子在哪、理解"拿过来"是什么意思、然后自主规划出一系列关节运动轨迹来完成任务。整个过程不需要人工编程每一步怎么做。组件负责什么输入输出类比V