Nathan Lambert 新书与课程：大模型 RLHF 与后训练实战

Nathan Lambert 写一本专门介绍大模型 RLHF 的书。

配套 13 讲正课和免费 PPT，大善人啊。

不要求大语言模型基础，只有学习动力，加上AI辅助完全可以学。

开头讲基础：LLM原理、KL 散度、交叉熵等。

后正文讲了 RLHF 和后训练的基础框架、指令微调、奖励模型、拒绝采样、RLVR 、DPO等。

还有合成数据和现在的Post Traing训练方法。

课程和PPT下载见评论区，比较硬核。