模型微调：从可观察过程理解应用

先判断行为问题是否值得训练，再处理数据、训练目标、参数更新、评估与发布。损失下降只是优化器拟合训练目标的证据，不是产品质量保证。

从哪里开始

需要Python函数、基础概率与导数。先读提示工程建立不训练的基线；本书标准库实验解释优化机制，真实大模型训练另标资源条件。

按下面顺序阅读，每章先运行正文，再做输入发生变化的练习。代码各自保存为 lab.py，使用 Python 3.11+ 执行 python3 lab.py。框架与真实解析/训练例子会另给固定Python3.12环境及安装步骤；纯标准库实验无模型调用费用。

阅读顺序

1. 训练目标、数据分组与泄漏：先理解过程，再改变输入。
2. 损失、梯度与参数高效训练：先理解过程，再改变输入。
3. 泛化、遗忘、量化与发布：先理解过程，再改变输入。

完整目录见学习路线。