meng shao· @shao__meng · X·· 2 小时前AI 评分69
AI 导读
作者介绍斯坦福新课 CME 295（Transformers & Large Language Models），由 Afshine 与 Shervine Amidi 主讲，目前进行到第四讲 Reinforcement learning with LLMs，视频与讲义已公开。本讲从 RL、Reward Design 讲到 PPO、GRPO、RLVR 和 DAPO，逐个符号讲解；课程共 9 讲，覆盖 Transformer 架构、LoRA 微调、Flash Attention、MCP 与扩散语言模型等，资料全部公开（cme295.stanford.edu）。
正文 · 原文
斯坦福新课 CME 295：Transformers & Large Language Models
@stanfordnlp 双胞胎兄弟（Afshine & Shervine Amidi @afshinea @shervinea 的课程已经来到了第四讲：
Reinforcement learning with LLMs
视频和讲义都公开了：
https://www.youtube.com/watch?v=3Vaj0Oka_t4&list=PLakGfbKCei80&index=4
https://cme295.stanford.edu/slides/fall26-cme295-lecture4.pdf
这一讲，从 RL、Reward Design 一直降到 PPO、GRPO、RLVR 和 DAPO，把每个符号都讲清楚了，非常适合用来系统补充 RL 知识！
斯坦福 @stanfordnlp 新课 CME 295，双胞胎兄弟 @afshinea @shervinea 主讲，9 讲走完 LLM 全部版图：从 Transformer 架构、注意力变体、RoPE，到 LoRA 微调、RLHF/GRPO 训练，再到 Flash Attention 推理优化、MCP 与 AI Agent、扩散语言模型。 课程和知名速查表全部公开。 https://x.com/i/article/2100019396664336384在 X 查看被引用的帖子
来源：meng shao · x.com