LinkedIn Learning 上的 AI 推理模型课程

多臂老虎机问题及其解法

The Multi-Armed Bandit Problem and Its Solutions

这篇博客以“去哪家餐厅吃饭”等生活化例子说明利用与探索的权衡，界定多臂老虎机问题，并介绍若干策略：ε-贪心、基于 Hoeffding 不等式的置信上界 UCB1、贝叶斯 UCB、汤普森采样，最后附案例研究与总结。作者提到针对伯努利老虎机的算法实现在其 GitHub 仓库 lilianweng/multi-armed-bandit 中。

从零构建推理模型：完整视频课程

Building Reasoning Models from the Ground Up: A Full Video Course

这是 Ahead of AI 作者发布的配套视频课程介绍，包含 8 个从零构建推理模型的编程视频，共约 11 小时，用 Python 和 PyTorch 实现推理扩展、强化学习、蒸馏等方法。课程从一个预训练 LLM 出发，实现评估与改进该模型的方法，是其此前《从零编程 LLM》课程的续篇，但不需要先修该课程。适合希望动手理解推理模型内部机制的人。

2025 年大语言模型现状：进展、问题与预测

Sebastian Raschka 于 2025 年 12 月 30 日发布在个人杂志上的年度回顾文章，梳理 2025 年大语言模型的主要发展，包括被作者称为“推理、RLVR 和 GRPO 之年”的趋势、2025 年 1 月 DeepSeek R1 的发布及其影响，并讨论仍然存在的局限与开放问题以及对后续发展的看法。

一个 OpenAI 模型推翻了离散几何中的一个核心猜想

An OpenAI model has disproved a central conjecture in discrete geometry

这是 OpenAI 于 2026 年 5 月 20 日发布的文章，介绍一个内部 OpenAI 模型在平面单位距离问题上取得突破。该问题由 Paul Erdős 于 1946 年提出，问的是在平面放置 n 个点时最多有多少对点恰好相距 1。文中称，长期以来人们认为“方格”构造基本最优，而该模型推翻了这一猜想，给出了一族无穷多的构造，文章将其称为 AI 驱动数学的一个里程碑。

首场开放模型生态公开课，讨论蒸馏与风险等议题

Nathan Lambert 的 X 帖子，宣布其第一场关于开放模型生态的公开课，涵盖构成该生态的各个部分以及决定其走向的开放问题与争论，包括蒸馏在其中扮演的角色、如何管理风险、未来模型获取方式会如何变化。帖子列出章节时间点：什么是开放模型、为何关注开放模型、当前最强开放模型的竞争力、开放模型如何构建（蒸馏的作用）、人们是否真的在用开放模型、下一步走向及结论，并表示大约每半年回顾一次这些问题。适合关注开放模型生态与政策讨论的研究者或从业者阅读。

面向推荐系统的 Bandit 方法

Bandits for Recommender Systems

这篇博客文章讲解 Bandit 方法如何通过建模不确定性并主动探索来解决推荐系统的反馈回路问题，尤其适用于物品集合快速变化（新闻、广告、推文）或流量较低的场景。文中简要讨论了 ε-greedy、UCB 和 Thompson Sampling 三种主要算法，并提及工业界实现。适合做推荐系统、关注探索与利用问题的人阅读。