《Post-Training AI》前两章草稿上线：几百行代码跑通 SFT 与 GRPO

ben_burtenshaw · x · 2026-08-25

作者发布了新书《Post-Training AI: A Practical Guide to Fine-Tuning and Reinforcement Learning》的前几章预发布草稿。书的目标是用一条简单主线带读者建立后训练的直觉，理解智能体在 SFT、GRPO、蒸馏和环境中的学习方式，刻意略去部分概念以换取讲解深度。

已上线的两章包括：第 1 章定义后训练，讲清各阶段改变了什么、哪些问题无法靠后训练解决，以及为何这些技术如今能走出前沿实验室；第 2 章是「speed run」,用几百行代码从零实现 SFT 和 GRPO。