LOCAL MODEL LAB / 开始学习

从示范，
到奖励

围绕一个到手价助手，学习小模型微调、强化学习与服务。先完成这两课，约 14 分钟。

手机与电脑都可以阅读、答题。先读第一课，再读第二课；不清楚的地方随时回到对话向 agent 提问。

今天先学这两课

LESSON 0001 / 约 8 分钟

分清监督微调、强化学习与推理；用到手价规则试一试奖励漏洞。

LESSON 0002 / 约 6 分钟

区分画布完成、后台训练完成与服务就绪；判断下一步该查哪个任务。

用自己的话解释 SFT 与 GRPO 各从什么信号学习，再说明为什么画布成功可能与训练 running 同时成立。把回答发给 agent，我们根据你的理解安排下一步。

手机入口目前提供前两课与配套速查；后续 SFT、GRPO 和服务实作需在电脑端准备训练环境与桥接节点。网页中的评分演示只计算反馈，不运行模型训练，也不会自动记录“已掌握”。

想方便回看，可在手机浏览器中收藏这个入口，或使用浏览器的“添加到主屏幕”。