推荐文章7

大模型微调：搞清何时不该调

机器学习AI算法工程2026-01-27

AI 摘要

文章认为微调失败多是不该调。微调解决行为问题，非能力问题。常见不该调场景有知识接入、Prompt没写好等，建议先验证思路，明确目标，成熟团队要知何时收手。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

双向钢人Prompt：帮你挖出问题本质答案

作者分享推特上一个让大模型深度思考的Prompt，调研后引入‘钢人论证’概念，指出其能避免AI谄媚。作者还写双向钢人Prompt，介绍其作用，并以公司司庆日选择为例展示效果。

瑞典隆德大学与Google DeepMind团队研究大模型微调省参方案。发现低数据场景下，微调Value投影中的b(v)比b(q)或b(k)性能更好。该研究已被ACL 2026接收，集成进Hugging Face - PEFT库。

文章介绍 LLM Wiki 工程实践。包括为 AI Coding 创建知识地图，指导 Agent 加载上下文；在 Obsidian 构建知识体系，有插件和自定义 Agent 两种方法；还分析其与 RAG 关系，指出可融合互补，不要过度神话 LLM Wiki。

文章深入解读 LLM Wiki 与 Google OKF，探讨如何重建企业 Agent 可靠知识底座。指出 RAG 检索有局限，Wiki 式体系可整理知识。介绍 LLM Wiki 构想、OKF 规范及构建符合 OKF 约定的 LLM Wiki 的方法。