8块钱跑通强化学习全流程，潞晨云重塑微调赛道：1名算法工程师=1支Infra团队 大模型竞争已从“暴力预训练”转向“后训练”战场。无论是OpenAI o1的推理突破，还是DeepSeek-R1通过强化学习（RL）实现的性能飞跃，都表明：模型能力不再单纯依赖算力堆砌，而是由精准微调和RL迭代决定。 然...