后训练是指在预训练大语言模型基础上，通过监督微调、强化学习等技术进一步优化模型性能的过程。近期，NVIDIA发布了基于后训练技术的Nemotron 3.5 Lightning模型，在Trajectory测试中成绩超过Opus 4.6。
后训练近期进展
8.3%的Harvey后训练Nemotron 3.5 Lightning模型在法律Agent基准测试中取得显著成绩，展示了后训练在专业领域的应用潜力。NVIDIA通过Trajectory 后训练 Nemotron 3.5 Lightning，测试成绩超过 Opus 4.6证明了后训练技术可显著提升模型性能。
AllenAI发布了Open Instruct Tulu 3 后训练指南，详细介绍了SFT、DPO、RLVR、GRPO等多种后训练方法，为开源社区提供了系统化的后训练方案。
机器人后训练仅需数小时数据，成功率从20%升至53%，机器人后训练仅需数小时数据，成功率从20%升至53%这一成果展示了后训练在机器人领域的突破性应用。
当前焦点与观察点
后训练技术正从通用领域向专业化方向发展，法律、机器人等专业领域应用日益增多。Nathan Lambert发布了RLHF与后训练教科书，总结开源模型后训练经验，反映出后训练知识体系化趋势。
后训练方法学持续创新，CHORUS互补专家框架提升了硬件验证测试激励生成覆盖率，CHORUS：互补专家框架提升硬件验证测试激励生成覆盖率展示了后训练在技术层面的新突破。
后训练与人类价值观对齐仍是核心挑战，每个模型都在做你付费让它做的事：RLHF与后训练实例引发了对后训练伦理边界的思考。AI Engineer World's Fair 2026将举办后训练与中间训练直播，预示着后训练技术交流将更加活跃。