前两篇一份讲怎么把开销省在架构里，一份讲拿什么把底子填厚。这一篇讲最后一段：开发者把这份权重拿到手之后，还得补上哪几道活。官方发布页把身份写得很清楚，这是一段路跑完、下一段还没起跑时的东西。
到手的是半程
官方的措辞是，本次发布的权重是预训练终点的成果，未经中训练与后训练。翻成家常话，模型该认的字、该懂的常识、该会的基本推理，这一程已经练过；可怎么好好接人话、怎么按吩咐办事，这一程还没教。
官方给这份权重安的位置是，作为领域适配、指令微调和强化学习研究的共同起点。共同起点四个字挺关键：同一块地基，有人往上盖诊室，有人盖账房，有人盖书房，往后长成什么样，官方说由开发者自己决定下一阶段方向。
官方还有一句被反复引用的话：基础版只是起点，经过后训练的正式版本随后推出。这句得带官方称三个字才准，说的是往后的安排，不是眼下已经摆上货架的东西。发布页没有给出具体日子，本篇也不替它往下写。
先教它听懂吩咐
第一道常叫指令微调。地基阶段的模型擅长把一段话接着往下续，你给它半句，它补后半句；可你说把这封邮件缩成三行，它未必当成一桩要办的差事。这道工序就是拿大量吩咐与照办的样例，教它把问句当任务接住。
为什么非得单练？官方把这份权重定位成指令微调的共同起点，言下之意正是这一步还没做。续写和听吩咐是两回事，前者顺着字往下淌，后者得先弄明白对方要什么、再决定给什么，中间多了一层拐弯。
这道活解决的，是能说到肯照着说的距离。没有它，模型像一肚子学问却不接话的人，问它什么都可能顺着背下去；有了它，才谈得上一问一答、有来有往。官方把它列在起点之后的第一步，次序不是随便排的。
再让它认一行
第二道叫领域适配。同一块地基，落到医院、落到律所、落到车间，要认的行话、要守的规矩全不一样。这道工序拿某一行的专门材料再练一轮，让模型把那一行常见的说法、格式的讲究、容易踩的坑先认熟。
官方把领域适配和指令微调、强化学习并排列在共同起点后面，说明三件事是同一层上的不同方向。有人只挑一样做，有人几样搭着来，并没有一条规定好的路。开发者手里那块地基，本来就是留给人各自拿主意的。
这道活解决的是什么都懂一点和在这一行真能搭上手的差别。地基阶段铺的是广度，见得多但不深；真要进到具体行当，还得把那一行翻得烂熟。对普通人来说，好比一个博闻强记的人，进新单位仍得先补一遍内部规矩。
拿反馈磨分寸
第三道是强化学习研究。一句话概括，是让模型先把好几版答案摆出来，再有人或有一套标准告诉它哪版更合适，它照着这类反馈一点点把分寸磨准。官方把这一项和前两项并列，用的词是研究，语气留得很活。
它和指令微调的分工不太一样。前者教它接住吩咐，这一道磨的是接住之后答得妥不妥：该短的别啰嗦，该留余地的别把话说死，拿不准时肯说拿不准。这些分寸很难靠一堆标准答案写死，靠的是一轮轮比出来。
官方发布页里也提过后续训练要反复采样，正好对得上这道活的脾气：同一题多写几版、再挑再改，本身就费算力。前面算的那笔账，到这里才看得出为什么要从设计阶段就省着，原来是给这些来回留余地。
答卷先自己批一遍
第四道是评测。屋子砌完不能直接住人，总得先拿同一套题、按同一把尺子，把前后几版摆在一起比一比，看看这一轮改动到底是往前走了还是退了。官方把这类对照称作支持不同训练方法的增益分析。
这一步最忌口径乱。今天用这套题、明天换那套题，分数看着涨了其实没可比性。所以评测讲的不只是跑一遍看个结果，更是先把题目、样例、评法定下来，让每一次改动都落在同一把尺子上。
本篇不列任何评测结果，也不写它比谁高、比谁低。发布页里那些密密麻麻的表格，是开发者之间对口径用的，搬到给普通读者看的文章里，既没有上下文也容易读岔。这里只说这道工序为什么不能省。
说到底，评测是给前面几道工序一个回话：教了、适配了、磨了，到底有没有用，得有地方能查。少了这一道，往下走就是凭感觉，改好了改坏了都说不清。地基交出去之后，这份自查的活也落到了接手的人身上。
端上桌前的摆盘
最后一道是部署。权重躺在文件里不算能用，得装进能跑起来的环境、留出足够的记忆、接上接口，才轮到有人问一句、它答一句。官方称同一份权重按两种数值精度分别打包，说的就是这一步要挑的料。
发布页还提到，两个主流的推理框架都已给出部署示例，一个常用的模型托管平台上也能取到这份权重。这些是让地基真正通电的零碎活，技术细节不必展开，知道还隔着这么一道就够了。
把五道摆成一列看就清楚了：教它听吩咐、让它认一行、拿反馈磨分寸、自己先批一遍答卷、最后端上桌。官方说的那个共同起点，指的正是这一列还没动工之前的样子。地基是现成的，墙得一道道自己砌。
三篇到此合上。一篇讲架构里怎么省，一篇讲底子拿什么填，这一篇讲交到手之后还要补几道活，同一次发布各说各的一段。对不写代码的人，毛坯房的比方最省事：钥匙是给了，可离拎包入住，还差着一屋子工序。
免责声明：本文基于公开信息撰写，仅供读者参考，不构成任何投资建议。