Post-Training Is How You Keep Your Taste | Fireworks CEO Lin Qiao

摘要

Fireworks AI 創辦人林喬在演講中闡述企業從提示詞到後訓練的完整程序，說明如何根據問題選擇合適技術並避開資料品質與獎勵作弊等陷阱。內容涵蓋從提示、檢索增強生成到監督微調、偏好調整與強化學習的演進，並分享 Cursor 等公司的實戰經驗。

Lin Qiao explains the progression from prompting to post-training and how to choose the right technique for specific AI problems.

這筆內容還沒有取得字幕或內文，這段摘要只根據標題與說明欄產生，可能不夠準確；實際內容請以原站為準。

提到的工具與公司

• Cursor

適合誰看

負責開發 AI 產品、正在評估是否自建模型的工程師與產品經理。

摘要依據

依據

標題與說明欄（還沒有取得字幕或內文）

為什麼排在這裡

人氣

0.72

新鮮

0.80

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

• How Cursor Trained Composer on Fireworks: Distributed Infrastructure for High-Performance RLPodcast ・ Training Data ・ 46 分鐘
• Lesson 7: Effective prompting techniques (Deep Dive) | AI Fluency: Framework & Foundations Course影片 ・ Anthropic ・ 12 分鐘
• Applied Compute CEO on the Limits of RL, the New AI Hyperscaler & Why Post-Training Wins Inference影片 ・ Unsupervised Learning: With Jacob Effron
• The Problem Solvers | Michael Truell at Cursor影片 ・ Claude ・ 3 分鐘
• 提示詞怎麼寫才有效？把 AI 當工讀生的 3 個溝通方法｜AI Coding 入門 Day 9影片 ・ 六角學院Hexschool ・ 8 分鐘
• 如何写好提示词？(6/完)影片 ・ 宝玉的技术分享 ・ 15 分鐘