当环球的眼神还在聚焦基座模子的参数竞赛时现金九游体育app平台，一场更为潜入的变革正在悄然发生——后考验（Post-Training）。

产业早已达成的共鸣是：大模子后考验不再是浅易的模子优化，而是 AI 落地产业的必经之路。这意味着，企业需要将通用的基座模子，考验成深度雄厚自身业务、具备领域学问、并能实践复杂策略的"专属智能引擎"。

此后考验技艺自身也正在阅历着日月牙异的技艺变迁。

Pokee.ai 独创东说念主、Meta 前应用强化学习部门认真东说念主朱哲清在 2025 云栖大会《大模子后考验：打造企业专属智能引擎》论坛上明晰地勾画了这条演进旅途——最初，行业广阔采取SFT（Supervised Fine-Tuning，监督微调）的神态，让模子学习特定领域的学问和对话作风。

可是，浅易的监督学习却无法教授模子进行复杂的价值判断和策略弃取——这恰正是企业确切业务场景中的中枢需求。

于是，技艺的焦点从"师法"转向"对都"，从监督微调（SFT）进化至以场地为导向的强化学习（RL）范式。

而在强化学习的实践旅途上，产业界又阅历了一场从"依赖东说念主力"到"追求自动化"的潜入迭代：从早期的 RLHF ( 基于东说念主类反馈的强化学习 ) ，到残害性的 RLVR ( 基于可考据反馈的强化学习 ) ，再到前沿的"当然话语奖励"。

从后考验技艺演进旅途中，咱们也能明晰看到企业"之是以要作念后考验"的谜底：通过对模子的特定才气增强，贬责生意寰宇的复杂任务，构建通用模子无法达到的竞争壁垒。

△图：Pokee.ai 独创东说念主、Meta 前应用强化学习部门认真东说念主朱哲清共享后考验技艺。

在企业骨子应用中，后考验之路不绝伴跟着数据质地差、标注本钱高、奖励信号与评估体系难界说等一系列挑战。

如何高效、本钱可控地为后考验准备高质地数据？如何将腌臜的生意场地弯曲为模子考验信号？如何让模子作念出适应业务逻辑的判断？又该如何量化后考验技艺带来的骨子业务薪金？

云栖大会《大模子后考验：打造企业专属智能引擎》论坛上，来自网易、汽车之家、微博、夸克、知乎、盈米基金、百融云创等企业的多位实践者，已率先跑通了从技艺实践到生意价值的闭环：

知乎用"大模子预打标 + 主动学习"培植数据质地；汽车之家应用结构化私域数据作念增量预考验，并联接 KAG（基于领域学问图谱的内容生成）阻止幻觉，确保回答精确；百融云创构建工业化数据坐褥线，提纯话术并优化考验数据，使回答质地培植 10%，违法率从 1% 降至千分之三；微博与网易伏羲通过模子蒸馏，在缩小本钱的同期收场高效内容雄厚；盈米基金遐想领会众人逻辑的奖励函数，其 4B 模子准确性磋商甚而跳动通用 32B 模子，收场高生意薪金；夸克则通事后考验复刻众人念念维，2025 年为高考志愿填报场景生成超 1200 万份阐述，办事 4000 万用户，收场众人级办事的畛域化普惠。

这些优秀实践背后，暴显露一条企业应用大模子后考验从技艺实践到生意价值的齐全链路：一是准备高质地的数据（Data），二是弃取合适的基座模子（Model）缩小工程门槛，三是遐想有用的奖励机制（Reward），四是构建可量化的模子评测（Evaluation），挂钩业务磋商。

第一步：准备高质地数据，奠定后考验基石

企业落地大模子后考验的第一步，就是为模子注入领域学问。

"数据是后考验的基石，数据质地决定了后考验效果的上限。企业作念大模子后考验，跳动一半甚而 60%-70% 的时候都破耗在数据准备上。"知乎 AI 团队认真东说念主王界武在云栖大会《大模子后考验：打造企业专属智能引擎》论坛上的不雅点激发了全场共鸣。

数据准备的中枢挑战在于，原始数据质地错杂不都，包含广阔噪声、冗余和廉价值信息，企业的自稀奇据专科且垂直，获胜用于考验会导致模子"学坏"或效果欠安。

把柄王界武先容，知乎的后考验大模子已深入应用于 AI 搜索、内容安全、内容雄厚等多个中枢场景。知乎社区自身积蓄的优质语料成为最宝贵的数据财富，此外知乎还整合了开源数据。

"数据阶段最大的挑战在于高质地数据。目下许多场景必须要采取东说念主工标注，但本钱非常高；偏主不雅的场景下，东说念主工标注的为止一致性也没那么好"，王界武先容说念，知乎走出的一条行之有用的体式是：通过大模子进行预打标，采取主动学习（Active Learning）聚焦不毛样本，培植数据遵守，抓续构建多源、高质地的考验数据集，支抓不同行务场景下的后考验需求。

"实践线路，花元气心灵生成 100 条高质地的数据，可能比多调一次模子带来的效果培植更大。"王界武说。

数据难题一样摆在汽车之家眼前。关于耗尽者而言，买车是典型的重决策场景，因为用户需要十足精确的参数、价钱、计策信息。通用大模子一朝出现幻觉，给错了竖立或价钱，对用户和平台来说都可能是致命的。

汽车之家仓颉大模子团队认真东说念主马宝昌先容说念，汽车之家应用其 20 年来积蓄的结构化私域数据（车型、参数、评测等），对通义千问基座模子进行增量预考验（CPT），相配于让模子先"通读"一遍汽车领域的专科竹素，在进入更精采的 SFT 和 RL 考验之前，就打下坚实的学问基础。

汽车之家还应用阿里云 Juicer 框架构建数据处理 pipeline，羼杂通用数据和汽车领域数据，确保模子在培植领域效果的同期保抓通用才气，为后续的精确问答和推理奠定基础。

针对企业数据工程化处理的痛点，阿里云智能集团规划平台奇迹部贬责有磋商认真东说念主魏博文先容，阿里云升级了大数据引擎，并合资通义团队开源了 Juicer 库，将复杂的数据预处理经由封装为易用的算子和 Pipeline，大大缩小了企业数据准备的门槛。

△图：汽车之家仓颉大模子团队认真东说念主马宝昌共享汽车之家后考验实践

百融云创是一家 To B 的东说念主工智能技艺办事公司，百融云创大模子首席算法科学家苏海波先容，"在金融营销、催收等场景下，咱们但愿通事后考验真金不怕火出一位能主动遮挽、主动谈判的金牌销售众人。此后考验所需的东说念主工销售的原始通话数据包含广阔白话词、叠字、错别字，且东说念主工回答水平不一。"

百融云创设立了一条工业化的数据坐褥线：开端通过模子自动过滤掉差别规、回答诞妄的数据，然后应用大模子自动校正文本中的错别字、重迭和白话化抒发，大幅舒缓对高本钱的东说念主工校对的需求；再对东说念主工话术进行润色和优化，培植话术质地；临了，通过数据合成的神态，推行高质地的种子数据。这一系列经由，将原始数据造成了模子不错雄厚的高质地数据。

第二步：弃取合适的基座模子，匹配业务需求

稀奇据，要有好模子。选对基座模子是后考验到手的一半。网易、汽车之家、微博、夸克、知乎、盈米基金、百融云创等企业都异曲同工地弃取了通义千问系列模子。

汽车之家仓颉大模子团队认真东说念主马宝昌解释说念："开端，通义千问的模子效果非常最初；其次，其尺寸覆盖浅近，从几亿参数的小模子到千亿级的大模子一应俱全，能清高不同场景对性能和本钱的平衡需求；临了，其架构遐想和开源生态对后考验深度支抓。如 Juicer 等数据处理框架和高效的考验框架，让企业在后考验时莫得黄雀伺蝉。"

阿里云是国内最早开源自研大模子的"大厂"，亦然环球独逐个家积极研发先进 AI 模子何况全场地开源的云规划厂商，业界率先收场"全尺寸、全模态"的全面开源。从 2023 年于今，阿里通义团队已开源 300 多款模子，包含谎言语模子通义千问及视觉生成模子通义万畸形两大基模系列，开源囊括文本生成模子、视觉雄厚 / 生成模子、语音雄厚 / 生成模子、文生图及视频模子等全模态。

更难能贵重的是，通义千问在开源的同期，通达了考验策略和配套有磋商。

把柄通义实验室算法科学家郁博文先容，通义千问 3 在发布时即配套提供量化、蒸馏或推理加快有磋商，在开源的同期能取得 VLLM、SGLang 等开源社区技俩的 Day 0 适配支抓，并提供 FP8、AWQ 和 GGUF 等多样体式的量化模子供社区使用，障碍培植了后考验遵守的可用性 。

企业进行后考验的另一大挑战在于工程化落地。阿里云智能集团规划平台奇迹部贬责有磋商认真东说念主魏博文先容，阿里云东说念主工智能平台 PAI 打造了一套全栈贬责有磋商，匡助企业的大模子后考验应付算力、工程化和部署三大拒绝。

针对主流的 MoE 架构强劲的算力与考验框架，阿里云东说念主工智能平台 PAI 通过自顺应通讯规划粉饰、负载平衡等技艺，实测可将通义千问 3 的考验端到端提效 3 倍；阿里云东说念主工智能平台 PAI 提供了针对 MoE 模子的高性能推理框架，可将推理费解培植 70% 以上。更遑急的是，统共复杂技艺都被封装进了低代码环境中，用户通过点选即可一键式完成从模子弃取、后考验、测评到部署的全经由。

企业采取基模后，需通过技艺技巧让模子与业务场地对都，不仅要注入学问，更要使其具备众人级的决策才气，并兼顾效果、本钱与反应速率，许多企业因此弃取了模子蒸馏有磋商。

微博内容雄厚技艺总监贾遂宾先容，面对每天数千万条内容，获胜部署百亿甚而千亿参数的大模子本钱过高。

微博的作念法是，先用海量高质地数据对通义千问多模态大模子进行预考验，使其具备强劲的内容雄厚才气，然后将这个强劲的多模态模子的才气，"蒸馏"到一个更轻量的 7B（70 亿参数）模子上。

这么既取得了接近大模子的效果，又能以更低的本钱，对微博海量内容应用内容甄别、标签识别等任务。收场了效果与遵守的更好平衡。

经事后考验，微博的内容雄厚中台对一条看似日常的明星演唱会视频，能生成"文娱明星、内地明星、华语音乐、明星饭拍路透、音乐献艺"等极为精采且准确的多层级标签，这一效果是通用大模子难以企及的。

△图：微博内容雄厚技艺总监贾遂宾先容微博的多模态垂直大模子后考验

网易伏羲在游戏智能 NPC 场景中，一样面对及时互动的低时延要乞降大畛域部署的本钱压力。

据网易伏羲话语智能组认真东说念观念荣升先容，网易伏羲采取大模子蒸馏 + 轻量化部署技艺有磋商，确保高质地的 AI 交互体验能以可收受的本钱，覆盖上千万玩家。

△图：网易伏羲话语智能组认真东说念观念荣升在云栖大会《大模子后考验：打造企业专属智能引擎》论坛共享。第三步：遐想奖励机制，教授模子何为"好"与"坏"

在大模子后考验中，奖励机制（Reward Mechanism）的中枢任务是将复杂的生意场地和东说念主类偏好，弯曲为模子在考验过程中简略学习和优化的数值信号。它不是浅易地判断对错，而是为模子提供一个"导航"，告诉它在无数可能的输出中，哪些行动更接近"好"的尺度。

Pokee.ai 独创东说念主、Meta 前应用强化学习部门认真东说念主朱哲清先容，强化学习的低级样子RLHF ( 基于东说念主类反馈的强化学习 ) ，依赖东说念主类标注员对模子输出进行打分，以此行为奖励信号。这种神态虽能对都主不雅偏好，但受限于不菲的本钱与数据标注质地，泛化才气存在瓶颈。

确切的残害来自于 RLVR ( 基于可考据反馈的强化学习 ) 。它在代码、数学等领有客不雅评判尺度的领域，通过构建自动化考据系统行为奖励模子，收场了"律例即奖励"的闭环，从而开脱了对东说念主力标注的依赖。

可是，践诺寰宇的生意逻辑远比代码和数学要复杂，许多尺度无法用浅易的律例来界说。

朱哲清指出，"业界的前沿趋势是应用大模子自身行为评判者，即‘当然话语奖励’（Natural Language Reward）"——通过将复杂的文本序列输入一个强劲的判别模子，获胜通过当然话语教唆野心"这个线路是对是错，错在何处？"，由模子来判断，其表述才气和覆盖范围远超僵化的律例系统。

盈米基金的智能投顾场景正在探索奖励机制。

盈米基金 CTO 刘永先容说念，"财富竖立投资护士人不错说是信任和专科度条件最高的领域之一，对精确性条件高、对幻觉容忍度极低。智能投顾把钱放进去仅仅个开动，之后怎样办？什么叫投资好、体验好？什么叫不好？这是中枢难题。"

对此，盈米基金弃取的解法即是与阿里云协作，中枢场地是将东说念主类投顾众人的解题框架和风控逻辑内置到模子中，探索可行的、可落地的奖励函数遐想。两边基于事实律例和永久客户的确切反馈数据，来探索和界说适用于基金投顾场景的奖励函数。

汽车之家仓颉大模子团队认真东说念主马宝昌共享说念，他们对模子的条件极为严格，对"幻觉"容忍度极低；性能方面，推理蔓延要弥漫低，清高及时交互需求。在模子上线后，领会过 A/B 测试等神态，柔顺用户的最终弯曲率，如是否留资、是否购车等，来斟酌其对中枢业务的孝敬。同期联接准确率达到 99.5% 以上的 KAG（基于领域学问图谱的内容生成），让模子回答确切实在。

第四步：构建评估体系，确保插足薪金

模子评估是斟酌后考验奏效的最终标尺，其中枢在于用客不雅、可量化的为止线路技艺插足的生意价值。

盈米基金与阿里云协作，从 150 多万个确切用户问题中，筛选并构建了覆盖 600 个典型场景的基金投顾领域评测基准（Benchmark）。这个可复现、可实践的 Benchmark，为后续的模子迭代提供了和解的度量衡。

盈米基金与阿里云点金团队共同进行了评测集的遐想。2025 云栖大会发布的 Qwen-Dianjin-TIR 模子就是一个面向基金投顾领域的垂直领域模子，它线路了，通过全心遐想的奖励机制，照旧收场了 4B 参数目的垂直模子在多轮器用调用，准确性磋商甚而跳动了通用 32B 参数目模子的效果，基金投顾领域智能体应用测试集也行将发布。

百融云创则弃取了通义千问系列大模子行为基础模子，联接 SFT 与 DPO（获胜偏好优化）等后考验体式，使大模子能像金牌销售一样主动遮挽客户、贷后催收，到手让模子的回答质地分培植了 10%，更将业务违法率从 1% 降至千分之三。

△图：由阿里云高等贬责有磋商架构师张慧涛主抓的《大模子后考验：打造企业专属智能引擎》论坛圆桌对话，企业探讨后考验应用实践

而关于夸克这一 AI 助手而言，后考验技艺在畛域化复制众人念念维上，收场了远大的业务价值。

阿里集团智能信息奇迹群资深算法众人姜晓希共享说念，夸克需要同期应付 AI 搜索、专科写稿、高考志愿填报等多个各异远大且专科性极强的复杂场景。夸克基于通义千问大模子，通过"抓续预考验 + 领域后考验"的模式，滋生出教悔、健康、高考等一系列领域众人大模子。在技艺有磋商上，夸克借助 RLHF、RLVR 等技巧，联接优化偏好，进一步培植确切场景应用的才气，让夸克得以具备"策略生成"的复杂才气。

在高考志愿填报这种"一考定半生"的场景中，挑战极大；各省计策不同、竞争热烈、考生需求极其个性化。夸克借助后考验，将顶尖志愿推测打算师的念念维模式复刻给了大模子。2025 年，夸克高考志愿大模子累计提供了跳动 1200 万份志愿阐述，办事了 4000 万用户，让也曾稀缺的众人护士办事变得普惠。

△图：阿里集团智能信息奇迹群资深算法众人姜晓希共享夸克的后考验实践

在游戏智能 NPC 领域，大模子后考验正让 NPC 从"提线木偶"，造成游戏寰宇里有灵魂的住户。比如在《新倩女阴魂》端游的家臣系统中，玩家可招募家园 NPC 行为家臣，NPC 会基于多维度决策模子，概述参考自身基准薪资、与玩家的联系亲疏及自身降生配景等信息，最终判断是否收受玩家报价。招募完成后，NPC 也并非 "来者不拒"，其答复会把柄玩家立场、两边及时联系等游戏情景动态调遣。这种"还价还价"背后，正是针对游戏场景的后考验精确调控。

正如阿里云高等贬责有磋商架构师张慧涛在圆桌对话中所言，"在昔时的几年里，后考验得到了越来越多的疼爱和柔顺，后考验的体式也在越来越多的企业被考据、被采取、被大畛域地使用。"

通过这条四步旅途，后考验所创造的生意价值，也正在金融、内容社区、汽车、AI 搜索等领域聚合爆发，成为企业确切的护城河。

当基础大模子的才气日趋周边，确切的 AI 竞争力，正来自于企业如何应用自身独到的场景、数据和业务雄厚，通事后考验对模子进行深度校正，构建无法被复制的专属智能引擎。这，才是决胜将来的关节一步。

一键三连「点赞」「转发」「谨防心」

迎接在评述区留住你的想法！

—  完  —

� � 点亮星标 � �

科技前沿推崇逐日见现金九游体育app平台