Gemma 4的推理能力是怎么被"调"出来的？NVIDIA旗下Nemotron Labs发了一篇博客，专门讲这件事——不是讲模型怎么训出来的，而是讲训完之后又做了什么。

这篇内容的核心，是后训练（post-training）这条流水线。按博客的说法，团队用了一套系统化的方法对Gemma 4做微调，目标是提升它在推理和校准两方面的表现。

先看结果：两个基准上的变化

博客给出的效果落点是两个推理类任务：MATH和GSM8K。这两个都是数学推理方向的评测集，后训练之后，Gemma 4在这两项上的表现有提升。

值得留意的是，博客把"校准"和"推理"并列提了出来。推理好理解，校准（calibration）指的是模型对自己答案的置信度是否靠谱——答对了是不是真的"知道"自己对，答错了有没有相应的不确定感。这两件事在数学题场景里经常一起出问题。

后训练流水线里有什么

按博客的描述，这条流水线主要包含几个环节：

  • 数据集的选择——不是随便拿数据喂，而是有筛选标准
  • 迭代式的精修过程——不是一次调完就结束
  • 针对校准漂移（calibration drift）的处理

其中"校准漂移"这个词值得单独拎出来。它指的是模型在训练或微调过程中，置信度和实际正确率之间的对应关系发生偏移——本来答对时信心高、答错时信心低，调着调着这个关系就乱了。博客提到，迭代精修的过程正是为了解决这个问题。

这套流程的看点在哪

后训练现在是大模型落地里绕不开的一环。预训练决定模型的下限，后训练很大程度上决定它在具体任务上好不好用。Nemotron Labs这篇博客的价值，是把"怎么选数据、怎么迭代、怎么盯校准"这些通常藏在工程细节里的东西摊开来讲。

不过要说明的是，这篇内容本身篇幅很短，属于博客导读性质，具体的数据配比、迭代轮次、参数设置这些细节都没有展开。想深挖的话，得去看Nemotron Labs那篇原始博客。

对做模型微调的人来说，这个方向至少提供了一个思路：推理能力和校准能力可以放在同一条后训练流水线里一起处理，而不是分开各调各的。