CMU AI Agents 课程第 12 讲：强化学习系统讲义与视频公开
CMU 秋季最新课程 11-768: AI Agents 主讲：@dan_fried @gneubig 第 12 讲「Reinforcement Learning Systems」讲义和视频已公...
CMU 的 11-768 课第 12 讲把训练和推理两套负载怎么协同讲透了，做 Agent 训练的人周末可以啃一遍。
CMU 秋季课程 11-768: AI Agents 由 Daniel Fried 和 Graham Neubig 主讲，第 12 讲 Reinforcement Learning Systems 的讲义和视频已公开。该讲从强化学习系统框架讲起，覆盖推理侧与训练侧的分别优化、训练-推理交互，以及 Agentic RL 的实战踩坑经验。课程总结了 5 个核心观点，包括 RL 框架本质是训练和推理两种异质负载的耦合、「前缀复用」是系统效率的不变量、Token-In-Token-Out 的一个设计错误曾造成全行业训练不稳定。讲义发布在 cmu-agents.com，视频可在 YouTube 观看。
CMU 秋季最新课程 11-768: AI Agents 主讲：@dan_fried @gneubig 第 12 讲「Reinforcement Learning Systems」讲义和视频已公...
CMU 秋季最新课程 11-768: AI Agents 主讲： @dan_fried @gneubig 第 12 讲「Reinforcement Learning Systems」讲义和视频已公开 这一讲从强化学习系统的框架开始讲起、再到推理侧和训练侧的分别优化、训练-推理交互、Agentic RL 的实战踩坑经验、RL 框架设计等，完整系统了讲述了强化学习系统的理论和实战。 讲义： cmu-agents.com/slides/lecture… 视频： youtube.com/watch?v=dwR6NP… 在课程中看到几个最核心的观点： 1. RL 框架的本质是两种异质负载（训练和推理）的耦合，而非一套统一计算图 2. “前缀复用”是贯穿 agentic RL 系统效率的不变量 3. Token-In-Token-Out：一个微小设计错误曾造成全行业的训练不稳定 4. 权重同步与 R3：双引擎之间的隐藏成本 5. 架构演进终点：一切皆服务 + 在线 RL meng shao @shao__meng 周末适合沉下心来系统性的学习基础知识 CMU 秋季最新课程 11-768: AI Agents 主讲： @dan_fried @gneubig 课程： cmu-agents.com 视频： youtube.com/watch?v=Uwfjzy… 🔗 View Quoted Tweet 💬 0 🔄 1 ❤️ 2 👀 170 📊 1 ⚡
