精选理由
Nathan Lambert 出书讲 RLHF，还配了 13 讲免费课和 PPT，零基础也能跟着学，想入门后训练可以看看。
Nathan Lambert 撰写了一本专门介绍大模型 RLHF 的书籍，并配套 13 讲正课和免费 PPT。课程不要求大语言模型基础，适合初学者借助 AI 辅助学习。内容从 LLM 原理、KL 散度、交叉熵等基础讲起，涵盖 RLHF 和后训练框架、指令微调、奖励模型、拒绝采样、RLVR、DPO 等。还涉及合成数据和当前 Post Training 方法，课程和 PPT 可在评论区获取。
原文 · 向阳乔木
Nathan Lambert 写一本专门介绍大模型 RLHF 的书。 配套 13 讲正课和免费 PPT，大善人啊。 不要求大语言模型基础，只有学习动力，加上AI辅助完全可以学。 开头讲基础：LL...
Nathan Lambert 写一本专门介绍大模型 RLHF 的书。 配套 13 讲正课和免费 PPT，大善人啊。 不要求大语言模型基础，只有学习动力，加上AI辅助完全可以学。 开头讲基础：LLM原理、KL 散度、交叉熵等。 后正文讲了 RLHF 和后训练的基础框架、指令微调、奖励模型、拒绝采样、RLVR 、DPO等。 还有合成数据和现在的Post Traing训练方法。 课程和PPT下载见评论区，比较硬核。 💬 2 🔄 0 ❤️ 11 👀 1504 📊 5 ⚡