评估先行，别急着调参

这份手册把评估放在第一步。作者强调，在动任何训练配置之前，先想清楚用什么指标衡量模型好坏。没有明确的评估标准，后面所有努力都可能白费。

打开网易新闻 查看精彩图片

数据质量压过数量

手册给出的第二个关键点是数据。与其堆大量低质样本，不如用少量高质量数据。作者在多次失败后发现，数据质量对最终效果的影响远大于单纯增加数据量。

轻量适配器优先

第三步涉及技术选型。手册建议优先使用轻量级适配器方案，而不是全参数微调。这样做的好处是训练更稳定、资源消耗更少，也更容易快速迭代。

训练基础设施要扛得住

第四步关注训练过程本身。作者强调需要一套有韧性的训练基础设施，能应对中断、失败和重试。多次失败的经验表明，训练环节的稳定性往往被低估。

对抗式后训练评估

最后一步是训练完成后的评估。手册提出用对抗式方法检验模型，主动寻找薄弱点和意外行为。这一步是为了避免常见陷阱，确保微调后的模型在真实场景中可靠。