人工智能实训Day2：大模型对齐技术实践——SFT与DPO

人工智能实训Day2笔记：使用LLaMA-Factory对Qwen1.5-0.5B-Chat进行SFT监督微调（GSM8K）与DPO直接偏好优化（Math-Step-DPO-10K），包括CoT推理增强与β参数敏感性分析。