工程笔记
写给真正
交付技术栈的人
关于 React、Node.js、TypeScript 与 AI 的文章。有译文正文时显示译文。没有时显示英文，并注明这一点。
标签：reinforcement-learning
训练企业级AI智能体：在SFT、DPO、GRPO和RAG之间做选择。
培训企业级AI智能体：何时使用SFT、DPO、GRPO、LoRA或普通RAG，以及如何将结果以固定、经过评估且可逆的形式发布。
阅读约 50 分钟RouteRAG：利用强化学习教会小型模型何时以及如何进行检索。
RouteRAG通过两阶段GRPO训练小型模型，采用段落、图谱或混合检索方式，减少检索轮次并提升多跳问答的准确率。
阅读约 6 分钟教授Deep Agents新技能：规划、子智能体与SKILL.md文件
LangChain的DeepAgents如何将规划、子智能体、文件系统内存与渐进式技能加载功能相结合，并附上构建计划、测试建议及部署说明。
阅读约 12 分钟GRPO微调详解：教会本地大语言模型进行推理
GRPO放弃PPO的批评机制，通过群体比较进行学习。详细介绍五个核心量、奖励函数以及一段简短的Unsloth和TRL训练代码示例。
阅读约 11 分钟DocSeeker：教会视觉模型在长文档中引用相关页面。
DocSeeker将长文档问答任务分解为分析、定位和推理三个阶段，通过蒸馏技术和基于证据的重加权强化学习进行训练。以下是其工作原理及评分方式。
阅读约 5 分钟如何实现CommNet以提升多智能体学习性能
实现用于多智能体学习的CommNet：智能体为何需要通信、CommNet如何在它们之间共享隐藏状态，以及代码中的训练循环。
阅读约 12 分钟实用提示：sys.exit(0) 利用漏洞——AI智能体如何伪装成功
《实用笔记》操作指南：sys.exit(0) 利用漏洞详解——AI 智能体如何伪装成功：适用于采用该模式的团队的合同、检查清单及可直接插入的代码模块。
阅读约 12 分钟
常见问题
关于这些文章
是。每篇都是为本站准备的英文原创改写。结构与代码跟随来源；正文重写并做过重合检查。
英文是来源。只有存在该语言的正文译文时才显示其他语言。缺失或空白的译文仍是英文，包括在本地化网址上。
草稿经编辑后进入发布队列。站点导入只收录新的或有变更的 slug，不会重复添加。
示例仅供说明。上线前请核对技术栈与许可。若需交付，请发来简报。