本章进度 6 / 19
32%
正文已完成
L044画清一次请求在哪些阶段发生了什么
把离线训练、模型发布和在线推理放进同一时间线，避免把数据流与参数流混为一谈。
现在把“训练和推理”用于一次具体操作，检查你能否独立做出并修正结果。
建议先完成同主题的理解与判断；本页不会锁课，可以边做边回补。
- 按本课练习说明准备真实材料
- 保留练习与复盘记录
本课用一张图连接概念，训练数据怎样参与优化、模型版本怎样发布、用户输入怎样在推理时产生输出。
能画出从训练数据到一次线上回答的简化流程，并标明哪些环节会更新参数。
核心概念
先把关键判断说清楚
离线训练产出版本
训练或微调读取数据并更新参数，完成后形成可标识、可评测的模型版本。
部署加载参数
推理服务加载指定版本及配置，版本切换是受控发布动作，不是每次请求临时训练。
在线请求不混入训练
记录请求用于观测或未来数据流程，不代表它已经即时进入当前模型参数。
案例拆解
线上回答变化被误判为模型重新训练
同一问题隔天答案不同，团队直接归因于‘模型学了新知识’，却忽略提示版本和检索资料已改变。
- 01
记录模型版本、提示版本和检索快照
- 02
确认参数版本未变
- 03
定位变化来自知识库更新与随机采样
案例结果
团队用真实版本链解释差异，不再把所有变化归因于训练。
提交前练习
现在轮到你
画一张训练到线上推理的五节点流程图。
完成本课需要：完成以下内容用于本课收口。
内容会自动保存在当前设备
查看参考答案与评分标准
参考答案
训练数据→优化训练→模型v3→线上请求加提示与检索→输出；参数只在训练环节更新；排查差异需核对模型、提示、检索和采样配置。
评分标准
- 训练与推理分开
- 参数更新点正确
- 变化归因包含多个版本因素
本课收口 · 学习证据
留下完整学习证据
读完内容、完成练习、通过理解检查并留下 12 字以上总结，才记为已验证。
你现在更接近哪一种状态？
尚有必填项未完成，请补齐后再继续。
资料来源
继续核对与延伸阅读
本课内容最近更新于 。
- Attention Is All You Need↗paper · 核对日期 2026-08-23
- Evals↗official-docs · 核对日期 2026-08-23
- Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks↗paper · 核对日期 2026-08-23