本地大模型 大模型微调入门：Qwen3-8B 做难度打分，50 条样本 86% 50 条训练样本把准确率从 50% 拉到 86%，加到 2,500 条反而只有 76%。一次微调实验暴露的不是算法问题，而是数据标注与评测集的问题。
