用多分类数据集 SFT 出决策模型，LoRA 比全量微调更省更有效
helloiamleonie · x · 2026-11-06
微调环节：把多个分类数据集统一转换成决策 prompt 模板，再对基座模型（LFM3-VL-2B）做 SFT 训成通用决策模型 d1-2B。作者对比全量微调与 LoRA，结论是 LoRA 在其场景下效果更好且成本更低。
所属事件:复现 TypeSafe 决策模型 Jev：LoRA 微调实测更省更优(2 条相关)→
「编程与Agent」频道最新
- 开发者用 PlayAstrocade 做 AI 游戏上瘾：AI 擅长复刻，不擅创新 — andrey_kurenkov · 2026-11-07
- 8 类 LLM 各司其职：一文看懂 AI Agent 里的模型分工 — mdancho84 · 2026-11-07
- gemini-cli 修复 macOS PTY 主描述符泄漏 PR — ugorla-dev · 2026-11-07
- 一次清理砍掉 7500 行代码：CI 去重后成本降 40%、提速 15% — DanielLockyer · 2026-11-07
- PE 董事会视角复盘：砍掉工程师换 AI 的八步轮回，一年后才见效 — alex_verem · 2026-11-07
- Meta 研究员承认：模型未针对 Codex 调优，将改进 harness 随机化 — JoshPurtell · 2026-11-07