多卡 LLM 微调的策略选型：DDP 数据并行、DeepSpeed ZeRO、FSDP 全分片及与 LoRA SFT 的配置要点。

TRL GRPOTrainer 的 reward 函数设计、组内采样配置、与 SFT 衔接及代码/数学推理场景实践要点。

多任务 SFT 数据混合比例、CPT 与 SFT 混训、防灾难性遗忘的通用数据掺入及简单课程学习策略。

微调前必须建立的基线评估流程：固定 test 集、prompt、decode 与 parse 规则，及与 AMD 实战同构的评估模式。

LLM 微调显存占用组成与优化手段：gradient checkpointing、累积、packing、ZeRO/FSDP、混合精度及调参顺序。

Hugging Face TRL DPOTrainer 的数据格式、DPOConfig 关键参数、ref model 配置及与 SFT LoRA 的衔接。

全参数微调与 PEFT 的效果、显存、成本对比及选型决策树，帮助在资源约束下做训练方式选择。

SFT 与指令微调的概念边界、损失目标、loss 掩码原则，以及与 03 SFTTrainer 工具篇的分工。

何时做继续预训练、CPT 与 SFT 的顺序、数据规模与 loss 监控，及领域模型（生物/酶等）实践要点。

LoRA adapter 的 merge_and_unload、多 adapter 切换、SFT 续训与 DPO 衔接、以及 Ollama/vLLM 部署前的导出要点。