Ahead of AI（Sebastian Raschka 的 Substack 博客） · Sebastian Raschka
The State of LLM Reasoning Model Inference
The State of LLM Reasoning Model Inference是Ahead of AI（Sebastian Raschka 的 Substack 博客）的免费文章（en）。前置条件：需要了解 LLM 基本使用方式与训练/微调的基本概念（如 RL、SFT 的粗略含义）。
读者能理解 LLM 推理模型的含义，以及通过训练时计算与推理时计算两条路径提升推理能力的思路，并掌握推理时扩展的主要方法类别。
- 难度
- 见前置条件
- 类型
- 博客 · 文章
- 语言
- en
- 规模
- 1 个课节
- 内容费用
- 免费
- 动手
- 打开即可学习
使用限制
浏览器直接阅读即可，无需账号即可看到正文；订阅仅用于接收更新与支持作者。
- 补充内容
- Substack 邮箱订阅（可选，用于接收新文章）
第一次学这门课？先完成学前准备，把课程目录搭好。
每节课这样学
- 发提示词把下面的每课提示词发给 AI Agent，它会准备这一课的练习文件。
- 学官方课节打开对应课节学习，按提示从第一道练习做起；它不会替你写答案。
- 记进度学完让 AI Agent 在 progress.md 勾选，并把疑问整理到 questions.md。
继续学习「The State of LLM Reasoning Model Inference」。课程目录是 state-of-llm-reasoning-inference/（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。
课节共 1 节 · 官方顺序
常见问题
免费吗？
免费：节选可读到本文主要学习内容（概念讲解正文），页面仅提示“reader-supported publication…becoming a free or paid subscriber”的订阅入口，未写明本文自身课节或配套内容需付费。实践费用待核验：原文为概念综述，未说明练习或复现实验是否需要付费云服务、API 或 GPU。
需要什么基础？
需要了解 LLM 基本使用方式与训练/微调的基本概念（如 RL、SFT 的粗略含义）。软件、账号与硬件：只需浏览器即可阅读；文中引用的论文可按需自取。
有中文吗？
本站记录的语言是en；是否有中文字幕或译本本站未核实，请以原站为准。
怎么开始？
从原始资源入口开始：https://magazine.sebastianraschka.com/p/state-of-llm-reasoning-and-inference-scaling。打开原文即可，无需安装软件。开课提示词尚未完整验证。补充内容需要自备：Substack 邮箱订阅（可选，用于接收新文章）。
来源与使用须知
- 收录时间
- 本站首次收录 2026-10-26原站首次发布 2025-03-08
- 指南参考
- 课程主页
版权与转载
- 课程材料未标明许可：仅供个人学习，转载、修改或商用前请先联系原作者。
- 本站只提供原始链接和学习指南，不转载、不镜像课程材料；引用时请注明原作者与出处。