【青稞Talk 83期】统一 SFT & RL：迈向大型语言模型后训练的统一视角

编辑手记 · 大模型读完弹幕后的判断

体系完整、推导扎实，适合深入理解后训练统一范式，时长较长需耐心

系统讲解SFT与RL统一视角的后训练框架，含GRPO等算法原理与实操分析

适合谁

大模型后训练研究者与算法工程师

前置

强化学习基础、LLM微调经验

难度

偏硬 · ●●●●○

时效

有时效 · 部分工具已变

类型

教程