Nathan Lambert 发布完整 RLHF 与后训练课程
natolambert · x · 2026-07-29
Nathan Lambert 整理了一个关于 RLHF 与 post-training 的完整课程页面，面向语言模型后训练主题。
课程包含讲座视频、幻灯片、PDF、源文件、先修知识说明和延伸资源；虽然目标受众偏早期 AI 研究生，但作者也明确表示，只要愿意投入学习，借助当前的大模型做“老师”，一般学习者也可以跟下来。
「研究」频道最新
- 四个月 Gabor 图像生成实验，变成 Claude 辅助研究项目 — pixlpa · 2026-07-30
- Agent Retrieval Bench 显示，编码 Agent 常在补上下文前就先失手 — Bowen Qin · 2026-07-30
- MCP 服务器漂移时，用户设置可能失去指向 — Loocor · 2026-07-30
- AI 生成的 Lean 证明被证实是在利用内核漏洞 — rbhar90 · 2026-07-30
- 新机器人模仿学习法，24 小时内学会 1000 个任务 — chris_j_paxton · 2026-07-30
- Kimi K3 架构解析：KV Cache 卸载与常量状态细节 — zephyr_z9 · 2026-07-29