从零训练一个 LLM 的完整流程是怎样的？

一句话速记：数据收集清洗 → tokenizer → 预训练 → 中期训练（长上下文/高质量退火）→ SFT → 偏好对齐/RL → 评测 → 部署。

训练流程

同章节的其他八股

• LLaMA 系列有哪些关键改进？
• Qwen 系列的结构和演进？
• DeepSeek-V3 有哪些主要创新？
• DeepSeek-R1-Zero 和 R1 有什么区别？
• 什么是 RLVR？为什么它推动了推理模型的发展？