OLMo 作者称 RLHF 新书已写完
giffmana · x · 2026-07-23
OLMo 作者说他的 RLHF 书写完了
被引用的原帖宣布，作者的新书 《Reinforcement Learning from Human Feedback》 已经完成。
他把这本书描述成自己在学习微调、对齐，以及在 ChatGPT 之后做 post-training 时最希望能拥有的资料；整本书是作者从 2024 年起利用夜晚和周末一点点写出来的，并尽量把 OLMo 项目中的实践直觉整理进书里。
这条回复本身只是恭喜，但真正的信息量在于这本 RLHF 书籍已经正式完成并准备发布。
所属事件:Nat Lambert 宣布 RLHF 新书完稿，附超 10 小时课程(11 条相关)→
「公司和人」频道最新
- 微软向 6 万员工提出自愿买断,以削减成本应对 AI 算力开支 — Polymarket · 2026-10-27
- 马斯克盛赞 Grok Bot:像雇了个超能干的幕僚长 — elonmusk · 2026-10-27
- Agent 点“我是人类”算不算撒谎？围绕 Amazon 拦截 agent 的争论 — sjgadler · 2026-10-27
- Anthropic S-1 自认开源模型将压价，对手戏称“开源惠及所有人” — teortaxesTex · 2026-10-27
- Anthropic 上市文件警告 AI 冲击就业，微软同周推自愿离职计划 — _jaydeepkarale · 2026-10-27
- AI 编码公司 Factory 任命 Alli 为新媒体与初创市场 VP — matanSF · 2026-10-27