斯坦福 CS329X HW1 实战经典对齐算法：指令微调、PPO/RLHF、DPO
EchoShao8899 · x · 2026-11-04
斯坦福 CS329X 的 HW1「Model Alignment and Human Feedback」让学生动手实验指令微调、PPO/RLHF、DPO 等 LLM 训练经典算法,并亲自做人类反馈标注体会成对偏好标注的难点。课程感谢 Google Colab 为学生提供 GPU/TPU 算力。
所属事件:斯坦福新开人类中心 LLM 课程 CS329X 选课火爆(2 条相关)→
「公司和人」频道最新
- 谷歌回应争议:新员工合同已删除离职后竞业诽谤条款 — HaydnBelfield · 2026-11-04
- FT 曝光埃森哲 AI 论文充斥幻觉内容遭舆论抨击 — nordicinst · 2026-11-04
- 印度 AI 公司 Sarvam 遭群嘲引争议,自研训练与规模化落地被重提 — AashaySachdeva · 2026-11-04
- 萝卜快跑香港东涌两周公众试乘收官，百度自动驾驶出海再进一步 — Baidu_Inc · 2026-11-04
- 50 人 12 国团队:创始人自称与 AI Agent 沟通多过与同事 — Scobleizer · 2026-11-04
- Sam Altman:我们离科学发现里程碑比预期更近 — ChrisGPT · 2026-11-04