https://njx-njx.github.io/tags/sft/ Recent content in Sft on Njx'Log https://njx-njx.github.io/blog-cover.jpg https://njx-njx.github.io/blog-cover.jpg Hugo -- 0.161.1 zh Fri, 28 Aug 2026 20:12:53 +0800 https://njx-njx.github.io/posts/forge-sft-anatomy/ Fri, 28 Aug 2026 20:12:53 +0800 https://njx-njx.github.io/posts/forge-sft-anatomy/ TRL 的 SFTTrainer 一行就能训，为什么还有人手写 SFT 循环？我把 forge 仓库 Stage 1 的每个决策（chat template、prompt masking、collate 与 loss、bf16、LR schedule、数据、验证）逐一摆到台面上，对照两套教材（rlhf-book、hands-on-modern-rl）、四个生产框架（alignment-handbook、trl、open-instruct、OpenRLHF）和六路信息源：哪些决策有共识，哪些有真实的配方之争，哪些两本教材各自糊弄过去了。