Nat Lambert 完成 RLHF 著作,附 10 小时课程和训练代码
natolambert · x · 2026-07-21
Nat Lambert 说自己写的《Reinforcement Learning from Human Feedback》已经完成。
- 这本书是他在学习模型微调、对齐和后训练时，最想拥有的入门资源。
- 随书发布的内容很完整：10+ 小时课程、幻灯片、训练章节的可运行代码，以及一个模型 completions 示例库。
- 还有免费在线版；Manning 纸质书预计 1–2 周发货，Amazon 版本会晚一点。
- 他表示，书里尽量融入了自己在 Olmo 项目中的经验，而且主要是从 2024 年起利用晚上和周末完成的。
所属事件:Nat Lambert 宣布 RLHF 新书完稿，附超 10 小时课程(11 条相关)→
「研究」频道最新
- Nature 新研究实现全身器官细胞活动成像,揭示跨器官体级回路 — arjunrajlab · 2026-09-11
- SignNet 1M 手语数据集发布 — ducha_aiki · 2026-09-11
- ECCV26 口头论文：流匹配实现多视角点云配准 — ducha_aiki · 2026-09-11
- InFlux++ 方法发布 — ducha_aiki · 2026-09-11
- Skyfall GS 登场:用 Flux 提升 Gaussian Splatting 精修质量 — ducha_aiki · 2026-09-11
- 一万个智能体能否突破反向传播,找到更好的学习算法 — SeunghyunSEO7 · 2026-09-11