首页/博客/DPO loss 降了 75%,模型却没变好:我给手搓 LLM 补了一套评估系统AI 与机器学习DPO loss 降了 75%,模型却没变好:我给手搓 LLM 补了一套评估系统掘金2026-11-18 16:420 次浏览最近,我在给自己的手搓 LLM 项目补后训练。 做到 DPO 时,训练指标看起来非常舒服: loss 降了约 75%,偏好 score 也大幅上涨。原文:https://juejin.cn/post/7709038011804581923我的收藏上一篇数字人为什么突然爆发?从 H3 Max Lip Sync 看生成式数字人的临界点下一篇VFM:让 Agent 同时接受上千条自然语言规则的运行时检查相关文章AI 回复为什么要转圈 3 秒才「啪」一下全出来?把流式输出拆开看,顺便踩了 6 个坑同一个 3.2 秒,转圈等和逐字冒是两种体验。SSE 报文长什么样、MVC 与 WebFlux 两种写法、上线必调的 3 处配置,以及 6 个坑(Advisor 静默失效最阴)。0掘金当"孤独的开发者"成为常态,AI正在悄悄杀死那个我们熟悉的互联网开发者改去问 AI 后,Stack Overflow 提问量跌破 2008 年水平。我们得到了效率,却离开了热闹的广场,正在变成一座座孤岛。知识的价值没有消失,社区需要重新定义。0掘金Copilot平替方案怎么选:主流工具横向对比Copilot平替方案怎么选:主流工具横向对比 为什么需要关注 GitHub Copilot 的替代方案?Copilot 凭借 VS Code 深度集成和稳定的补全体验,成为许多开发者的默认 AI 编0掘金微信小微AI-评测|文档质量直接被判 0 分:小微团队评测那些没人告诉你的硬指标评测|文档质量直接被判 0 分:小微团队评测那些没人告诉你的硬指标 写在前面 skill 写完、接力跑通,离上线还差一道硬关卡:评测。它有两层: 开发者自测:自己核查代码、针对性优化,成本低 微信团队0掘金微信小微AI-提审与发布|评测过了不等于能上线:四道前置条件,缺一道都白提交提审与发布|评测过了不等于能上线:四道前置条件,缺一道都白提交 写在前面 评测通过只是拿到了「门票」,离真正能被用户用上还有两段路:提审发布(本篇)→ 灰度放量(下一篇)。 很多人以为「代码写完 →0掘金微信小微AI-灰度与命中排查|代码全对、版本已发,为什么同事就是问不中?灰度与命中排查|代码全对、版本已发,为什么同事就是问不中? 写在前面 这是全系列「最痛」的一篇——也是我们真实花掉最多排查时间的一篇。 上线之后的真实场景是这样的: 代码全部完成 ✅、评测通过 ✅、版0掘金