LLM-GUIDELLM × llama.cpp Конфигуратор …

RLHF / DPO g.rlhf

выравнивание модели с предпочтениями людей после SFT

Статья: llm.training — где этот термин работает на практике.
Весь глоссарий — термины локального инференса LLM.