<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Model Optimization on 中文AI术语词典</title><link>https://terms-en.ai-term-hub.com/zh/tags/model-optimization/</link><description>Recent content in Model Optimization on 中文AI术语词典</description><generator>Hugo</generator><language>zh-cn</language><lastBuildDate>Sat, 18 Jul 2026 11:44:45 +0000</lastBuildDate><atom:link href="https://terms-en.ai-term-hub.com/zh/tags/model-optimization/index.xml" rel="self" type="application/rss+xml"/><item><title>后训练</title><link>https://terms-en.ai-term-hub.com/zh/terms/post_training/</link><pubDate>Sat, 18 Jul 2026 10:57:22 +0000</pubDate><guid>https://terms-en.ai-term-hub.com/zh/terms/post_training/</guid><description>&lt;h2 id="definition">Definition&lt;/h2>
&lt;p>后训练是机器学习生命周期中的一个关键阶段，发生在模型基于大规模通用数据进行初始预训练之后。在此阶段，模型会经历进一步的调整和优化，以更好地服务于特定应用场景。&lt;/p>
&lt;h3 id="summary">Summary&lt;/h3>
&lt;p>后训练是指在特定数据集上对预训练模型进行微调，使其适应特定任务或优化性能的阶段。&lt;/p>
&lt;h2 id="key-concepts">Key Concepts&lt;/h2>
&lt;ul>
&lt;li>微调&lt;/li>
&lt;li>人类反馈强化学习 (RLHF)&lt;/li>
&lt;li>量化&lt;/li>
&lt;li>适配&lt;/li>
&lt;/ul>
&lt;h2 id="use-cases">Use Cases&lt;/h2>
&lt;ul>
&lt;li>使大语言模型符合人类偏好&lt;/li>
&lt;li>优化模型体积以适应边缘设备&lt;/li>
&lt;li>将模型专业化用于医疗诊断&lt;/li>
&lt;/ul>
&lt;h2 id="related-terms">Related Terms&lt;/h2>
&lt;ul>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/pre_trained-%E9%A2%84%E8%AE%AD%E7%BB%83%E7%9A%84/">pre_trained (预训练的)&lt;/a>&lt;/li>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/fine_tuning-%E5%BE%AE%E8%B0%83/">fine_tuning (微调)&lt;/a>&lt;/li>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/alignment-%E5%AF%B9%E9%BD%90/">alignment (对齐)&lt;/a>&lt;/li>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/quantization-%E9%87%8F%E5%8C%96/">quantization (量化)&lt;/a>&lt;/li>
&lt;/ul></description></item></channel></rss>