# The State Of LLMs 2025: Progress, Progress, and Predictions（正文标题行为“Progress, Problems, and Predictions”）

- 发布方：Sebastian Raschka（Ahead of AI 通讯）；作者：Sebastian Raschka
- 形式：文章 · en
- 原始资源：[https://magazine.sebastianraschka.com/p/state-of-llms-2025](<https://magazine.sebastianraschka.com/p/state-of-llms-2025>)
- 本站页面：[https://oplearnx.com/resources/res\_kq3wfktjjnfg](<https://oplearnx.com/resources/res_kq3wfktjjnfg>)
- 学习主题：人工智能 / 大语言模型 LLM；人工智能 / 大语言模型 LLM / 微调与对齐；人工智能 / 大语言模型 LLM / 推理能力与测试时计算
- 内容状态：状态待核验
- 原始发布时间：2025-12-30 16:15
- 本站首次收录：2026-10-24 11:18

## 能学到什么

读者能建立对大语言模型 2025 年技术走向的整体认识，理解以 RLVR \+ GRPO 为代表的推理模型后训练路线，以及推理时扩展、评测与架构演进等议题。

- 说明 2025 年 LLM 发展的主线为何是推理模型，以及 RLVR 与 GRPO 在其中扮演的角色
- 区分预训练、中期训练（mid-training）与后训练（SFT、RLHF、RLVR）在训练流程中的位置与作用
- 解释可验证奖励（verifiable reward）为什么能在数学和代码等任务上提供训练信号
- 对比各年份（2022 RLHF\+PPO、2023 LoRA SFT、2024 中期训练、2025 RLVR\+GRPO）的重点技术变化
- 理解推理时扩展（inference-time scaling）在延迟、成本与准确率之间的权衡
- 了解过程奖励模型（PRM）在 DeepSeek R1 实验中效果有限的原因与后续可能方向
- 说明作者对 2026 年 RLVR 扩展与推理时扩展、2027 年持续学习的展望

## 适合我吗

- 适合：想快速把握 2025 年大模型技术全貌、把零散论文串成脉络的读者，尤其适合已有一定 LLM 基础的人做年度复盘。
- 需要留意：希望获得可动手代码、完整课程作业或从零入门机器学习基础的学习者。

## 前置条件与费用

- 知识前置：需要了解预训练、微调、RLHF 等 LLM 基本概念，并能读懂论文级术语。
- 软件、账号与硬件：无必须安装的软件；浏览器打开网页即可阅读正文。
- 内容费用：免费：节选里能直接读到文章正文内容，页面只显示 Subscribe / Sign in 入口，未见付费墙或登录拦截。
- 实践费用：实践无额外费用：本篇为综述阅读，不涉及需要付费的云服务、API 或 GPU。
- 转载与修改：按材料分别核对，见本页“来源核验与开课实跑”；仓库许可不自动适用于教材或视频。

## 准备工具

- [浏览器](<https://magazine.sebastianraschka.com/p/state-of-llms-2025>)：访问并阅读原文

## 学习指南

开课检查：提示词由本站整理，尚未按提示词实际完成开课检查。

### 开课提示词

```text
请帮我把「The State Of LLMs 2025: Progress, Progress, and Predictions（正文标题行为“Progress, Problems, and Predictions”）」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://magazine.sebastianraschka.com/p/state-of-llms-2025
我的系统：Windows。如果实际不符，先调整方案。
本次路线：浏览器或在线环境。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：无配套练习；建议每读完一节写两三句摘要，并挑一篇文中引用论文对照阅读。
课节（官方顺序）：
1. The State Of LLMs 2025: Progress, Progress, and Predictions：https://magazine.sebastianraschka.com/p/state-of-llms-2025

1. 环境
- 联网浏览器
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 官方课程页面：只记录链接 https://magazine.sebastianraschka.com/p/state-of-llms-2025
3. 目录（最外层放在我确认的位置）
state-of-llms-2025/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.md     # 环境自检，按 README 操作
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    └── 01-01-the-state-of-llms-2025/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.md，逐项检查并记录“通过/未通过”：
- 按浏览器或在线 notebook 清单检查，不为自检安装本机终端。
  - 打开文章链接，确认页面出现“1. The Year of Reasoning, RLVR, and GRPO”小节标题  → 正文可读，小节结构完整
  - 在文中找到 RLVR 与 GRPO 的定义性段落  → 能用自己的话说明“可验证奖励”的含义
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。
```

### 每课提示词

```text
继续学习「The State Of LLMs 2025: Progress, Progress, and Predictions（正文标题行为“Progress, Problems, and Predictions”）」。课程目录是 state-of-llms-2025/（不知道完整路径就先问我）。
1. 读 progress.md，找到下一课；如果我指定了第几课，就准备那一课。
2. 打开这一课的官方页面和本地讲义，列出本课练习要用的工具、文件和样例数据。缺少的先告诉我，等我同意再安装或下载。
3. 在 lessons/ 对应的课节文件夹里准备好练习：exercises/ 里给每道题建一个文件，写上题号和题目原文链接，不写答案；已有文件保留，样例数据放到 data/。拿不到官方题目或起始代码时记录限制，不编造替代品。
4. 按 README 运行开课时生成的自检脚本或在线检查清单，并检查本课新增工具能否正常使用。
5. 告诉我：本课先读哪几节、从哪道练习开始、大约需要多久。我学完后，帮我在 progress.md 勾选并把问题整理到 questions.md。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
```

### 课节（官方顺序）

1. [The State Of LLMs 2025: Progress, Progress, and Predictions](<https://magazine.sebastianraschka.com/p/state-of-llms-2025>)

## 指南参考

- [课程主页](<https://magazine.sebastianraschka.com/p/state-of-llms-2025>)

## 来源、许可与验证记录

- **开课提示词未完整验证，需要自备账号或资源**：开课提示词尚未实际运行验证
- 转载与修改 · 课程页面与材料：未找到明确许可。网页未说明文章许可协议，页脚只有 Substack 的 Privacy、Terms 等链接 [依据](<https://magazine.sebastianraschka.com/p/state-of-llms-2025>)
- 链接检查：1/1 个可以访问

## 来源与推荐

- 编辑整理收录

---
来源：LearnMap · 学径（https://oplearnx.com）