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。
微调是否会削弱 base model 的原始安全对齐
本文揭示微调对大模型安全对齐的隐性侵蚀：安全并非静态“外壳”或可锁定模块，而是与全部参数纠缠的行为偏好分布。微调（尤其SFT、LoRA、PPO）不删除安全能力，却系统性“重加权”其触发条件——稀释犹豫、压缩拒答、掩盖灰区风险。真正危险的，是变化未被察觉。安全需被主动守护，而非默认留存。
PPO / DPO 对安全边界的影响：压制还是迁移风险
本文揭示对齐训练（PPO/DPO）的深层误区：它不降低风险总量，而是迁移风险形态——压制显性违规，却强化灰区输出的稳定性与隐蔽性。风险未被消除，只是从“直白越界”变为“委婉越界”，更难检测、评估与拦截。安全不能只靠对齐，需模型、系统、策略三层协同。
向量维度、距离函数，如何影响召回结果
本文揭示向量检索效果不佳的根源常被误判：问题不在embedding模型本身，而在于被忽视的底层选择——向量维度与距离函数。二者共同定义了“相似性”的本质，而非仅调节精度。维度决定语义表达自由度与错误类型，距离函数（L2/Cosine/Dot）则确立“何为相近”的世界观。二者强耦合，直接塑造召回空间。调参前，先问：你更怕漏召，还是误召？
