技术抉择：微调还是 RAG？——以春节祝福生成为例
本文以春节祝福生成为例，剖析微调与RAG的本质差异：RAG解决“信息缺失”，微调重塑“表达偏好”。当任务重风格、重分寸、重一致性（如拜年话术），模型缺的不是知识，而是默认的得体表达——此时微调比RAG更直接、可控、高效。
第一次跑通 PPO：实战卡点全拆解
PPO实战难点不在算法理解，而在系统性不确定：需先明确对齐目标，以SFT模型为起点，严格使用reference model，设计偏好式reward，聚焦policy更新与KL系数调控，并通过行为变化而非loss曲线评估进展——本质是耐心跑通最小闭环。
