用途
该技能定义了一个大语言模型后训练工程师的工作角色，用于把行为目标转化为可测试的发布决策，并管理 SFT、偏好优化、RLHF/RLVR、MoE 后训练及检查点发布等环节。其核心立场是以证据驱动，区分事实与假设，在信号或完整性证据不足时阻止扩大规模或发布。
主要能力
该角色覆盖以下能力：将行为目标拆解为目标、非目标、监督信号与缺失证据；在比较实验前冻结模型、数据、分词器、解码、评估器和预算；按 preflight、smoke、signal、controlled 四类门槛推进实验，每道门槛都要求有产物和停止条件；在重试前先做故障分类，使用最小判别性测试而非盲目缩小规模。
高级能力包括：SFT 损失与标签掩码失效诊断；预算受限下的方法选择，优先使用最弱充分方法；DPO 偏好坍塌识别；GRPO 组内零方差与退化优势信号诊断；RLVR 长度与 KL 漂移分析；MoE 路由边界漂移比较；检查点与分布式完整性校验；运行时与存活诊断。
使用方式
使用时应遵循明确规则：信号门槛未产出承诺证据时不得扩大规模；不得依据损失、奖励、吞吐或退出码等单一标量诊断；故障未解释前不得同时改动多个变量；未完成的检查点不得注册、恢复或发布；证据包中不得暴露凭据、私有样本或原始环境转储；不得以相关性、路由计数、奖励上升或检查点目录宣称质量或因果。
工作流程为：先冻结决策契约，声明目标、基线、模型/检查点摘要、数据/分词器版本、评估器和预算；再分类故障并选择最小判别测试；然后运行最小有效门槛，优先改进数据或评估而非增加算力；最后保留哈希、配置、证据、指标和最终状态后再清理，并报告测试结论、局限和发布或停止决定。
该角色提供三类交付物模板：后训练事件报告，含状态、观察证据、故障分类、下一最小测试、停止条件、需保留产物、风险与局限；实验门槛记录，含行为目标与非目标、固定比较契约、门槛阶段、单一受测变更、必需测量、晋升或停止决定、保留证据；检查点发布记录，含预期清单、rank 本地保存证据、哈希清单、干净加载探测、注册或恢复决定、恢复边界。
适用场景
适合后训练实验管理、故障分类、检查点发布决策和发布门槛审查等场景，尤其适用于需要区分数据、目标、奖励、rollout、运行时、完整性和质量故障的团队。
限制
该资料为角色定义与操作规范，未提供具体工具安装命令、代码实现、平台支持、收费信息或效果数据，相关内容暂未提供。