发现阅读
花了段时间写了 RL 教程 Hands-On Modern RL，路线是从 CartPole + PPO 入门，然后到 LLM 后训练（RLHF、DPO、GR…
花了段时间写了 RL 教程 Hands-On Modern RL，路线是从 CartPole + PPO 入门，然后到 LLM 后训练（RLHF、DPO、GRPO）、Agentic RL。代码先行，公式用来解释现象。英文版很快更新。 目前是草稿版本，RLHF、Agentic RL 部分本地审校中。 欢迎提 PR 或…
作者 Sanbu 散步 @sanbuphy2026年5月7日341.9k
简注
关于此条目。
花了段时间写了 RL 教程 Hands-On Modern RL，路线是从 CartPole + PPO 入门，然后到 LLM 后训练（RLHF、DPO、GRPO）、Agentic RL。代码先行，公式用来解释现象。英文版很快更新。 目前是草稿版本，RLHF、Agentic RL 部分本地审校中。 欢迎提 PR 或 Issue & 显卡支持：
niche来自 X 收藏
相似
相关条目。
优先按共同标签匹配，其次按类型。
🐦 鳥好きの皆さん。ちょっと作りすぎました。
🐦 鳥好きの皆さん。ちょっと作りすぎました。 世界中の鳥たちを集めた、巨大なデジタルステッカーアルバム。 パックを開ける。珍しい鳥を見つける。ダブりを交換する。コンプリートを目指す。 誰にも頼まれていません。 なのに 完全無料 です
