因此，我们可以把后训练理解为对模型输出分布的重新塑造。本文重点讨论三种后训练方法： 监督微调（Supervised Fine-Tuning，SFT）：在预先准备好的标准答案上学习； 强化学习（Reinforcement Learning，RL）：从当前模型的输出中采样，再根据奖励优化； 在线策略蒸馏（On-Policy Distillation，OPD）：由学生生成轨迹，再由教师在学生实际访问的状态上提供逐 token 指导。
迁移小贴士 Trae 兼容所有 VS Code 插件，直接搜索名字即可安装，5分钟内就能把常用插件全部迁移过来。
c/h → OLED屏幕驱动（I²C指令/数据） ├── iic.c/h → I²C底层协议（起始、停止、收发） ├── delay.
官方给了一个很直观的演示。一张图，九个格子。每个格子分别描述不同的内容：隧道安全漫画、空间几何教学、出师表文体分析、物理抛体运动、寄生虫科普、医学图解、群论 Sylow 定理、银行内控信息图、细胞 DNA 结构对比。
SCRIPT 命令不工作；不能同时跑两个GStarCAD实例（DDE/SDI冲突）。