Nathan Lambert· @natolambert · X·· 2026-06-16AI 评分56
AI 导读
我发布了后训练课程中的另外3个视频！ 1. 第5讲：推理模型的崛起 2. 第6讲：DPO推导、直觉与实践 3. 读者关于第1-4讲的问答 rlhfbook dot com slash course 更多即将到来！
正文 · 原文
I launched 3 more videos in my post-training course!
1. Lecture 5: The rise of reasoning models
2. Lecture 6: DPO derivation, intuitions, and practice
3. A Q&A from readers on lectures 1-4
rlhfbook dot com slash course
More soon!
来源：Nathan Lambert · x.com