如果我想定制LLM，我会学习的微调技术： 收藏这个。 1. LoRA 2. QLoRA 3. 前缀调优 4. 适配器调优 5. 指令调优 6. P-Tuning 7. BitFit 8. 软提示 9. RLHF 10. RLAIF 11. DPO（直接偏好优化） 12. GRPO（组相对策略优化） 13. RLAIF（带AI反馈的RL） 14. 多任务微调 15. 联邦微调 我最喜欢GRPO来构建推理模型。你呢？ 我在回复中分享了关于GRPO的完整教程。