Post-Training on PAI (1)：一文览尽开源强化学习框架在PAI平台的应用
Post-Training（即模型后训练）作为大模型落地的重要一环，能显著优化模型性能，适配特定领域需求。相比于 Pre-Training（即模型预训练），Post-Training 阶段对计算资源和数据资源需求更小，更易迭代，因此备受推崇。近期，我们将体系化地分享基于阿里云人工智能平台 PAI 在强化学习、模型蒸馏、数据预处理、SFT等方向的技术实践，旨在清晰地展现 PAI 在 Post-Training 各个环节的产品能力和使用方法，欢迎大家随时交流探讨。
OSS迁移实战：从自建MinIO到阿里云OSS的完整数据迁移方案
本文介绍了从自建MinIO迁移至阿里云OSS的完整方案，涵盖成本优化、稳定性提升与生态集成需求。通过双写代理、增量同步、分层校验等技术，解决数据一致性、权限迁移、海量小文件处理等挑战，实现业务零中断与数据强一致性，最终达成79%的TCO降低和显著性能提升。