# Day 7 Prereading: 总复盘、交付、工程化思维

## 今日目标

今天不再堆新内容。你要把一周训练流程整理成可复现报告，并完成最终考核。

## 必须掌握的基础概念

- Reproducibility：别人能按你的记录复现结果。
- Ablation：只改变一个变量观察影响。
- Baseline：每次改动都要和基线比较。
- Checkpoint hygiene：权重命名、保存、恢复、版本管理清晰。
- Evaluation discipline：固定测试集、记录失败、不挑样例。

## 面试考点

- 从零训练一个小 LLM 的完整流程是什么？
- Pretrain、SFT、DPO/GRPO、Distillation 的顺序和作用是什么？
- 训练中你最关注哪些指标？
- 如果效果不好，你如何定位是数据、模型、优化还是评测问题？
- 如何把研究代码变成可靠训练 pipeline？

## 工业要求

- 命令可复制。
- 数据路径明确。
- 权重命名明确。
- 每个实验有目的、有结果、有结论。
- 失败样例和成功样例一样重要。
- 不把一次随机生成当作模型能力结论。

## 今日交付

1. `training_log.md`
2. `eval_report.md`
3. `code_understanding.md`
4. `final_exam_answers.md`

建议结构：

```text
环境
数据
模型配置
训练命令
loss 记录
推理评测
失败分析
后训练理解
下一步计划
```

## 今日注意事项

- 不要隐藏没跑通的部分。
- 不要只写结论，要写证据。
- 不要凭感觉说模型变好，要给对比样例。