pokemon qwen 微调系列（四）：DPO 偏好优化实战：为什么 v1 跑通了但没有变强May 06, 2026LLMDPORLHFEvaluation接在 SFT v2 数据修复之后，完整拆解 DPO 算法、偏好数据构造、TRL 训练链路，以及 Pokemon DPO v1 为什么没有超过 SFT v2。
pokemon qwen 微调系列（三）：SFT 评估复盘：从 v1 退化到 v2 修复April 28, 2026LLMSFTEvaluation用固定 30 题评测集定位 SFT v1 退化，再通过数据重建、质量门禁和同集复评验证 SFT v2 如何超过 base。
