原理预计 30 分钟
token 与 chat template：新手翻车最密集的地方
一半的「RL 不收敛」其实是模板拼错、EOS 没停、mask 错位。这一节把这些坑提前踩掉。
学完这节你能做到
- 手动拼出一条 chat template 的完整 token 序列，并指出哪些位置该算 loss
- 说清 prompt mask、completion mask、padding mask 三者的关系
- 判断「模型不停下来」是模板问题、EOS 问题还是采样参数问题
正文待编写以下是本节已定稿的小节大纲
- 1tokenizer 的三件事：编码、特殊 token、chat template
- 2apply_chat_template 到底往里塞了什么（打印出来看）
- 3Base 模型与 Instruct 模型的模板差异，以及选错的后果
- 4RL 里的 loss mask：只对 completion 求梯度
- 5EOS、stop token、max_tokens 三种停止方式
- 6常见翻车现场：回答里带模板标记、答案被截断、长度全部顶到上限