过拟合

过拟合指模型在训练数据上很准，换到新数据就明显变差。本文讲清它和死记硬背的区别、四个成因、验证集的识别方法与缓解代价，适合刚接触模型训练的读者。

讲清监督微调的定义与训练流程：它用人工写好的示例教会大模型按指令回答，适合想系统理解大模型训练流程的入门读者，并说明它与预训练、RLHF 的分工。

梯度下降是训练大模型的底层优化方法：算出损失、求出梯度、沿反方向挪一小步，循环往复把参数调对。本文讲清它与反向传播、学习率和批量大小的分工、三个常见误解与用不了的场景，适合补训练原理的入门读者。