工业后培训是一种棕地制度。团队继承已部署的检查点，必须在固定的计算和混合预算下进行有针对性的改进，而不会退化其余部分。维护的人工制品越来越具有数据敏感性：行为由精心策划的训练后混合物控制，通过有界混合物补丁而不是白板再训练进行更新。从行业代码生成

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2608.31102v1)获取最准确的信息。

---
🔗 **原文链接**: [LLM Post-Training as Brownfield Maintenance: An Industrial P](https://arxiv.org/abs/2608.31102v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Gopi Krishnan Rajbahadur, Amir M. Ebrahimi, Boyuan Chen, Ahmed E. Hassan

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-09-01 22:02