学科树

人工智能 / 大语言模型 LLM / 微调与对齐 / 偏好优化与 RLHF

偏好优化与 RLHF

比较奖励模型、RLHF、DPO 等后训练方法。

Stanford CS329A

Stanford CS329A：Self-Improving AI Agents（2025 秋）

研究自我改进、验证器、工具、记忆、推理和 Agent 评测。

大学课程

免费 有使用限制

StanfordCS329A

Agent 规划与执行·推理能力与测试时计算

对比 学习指南

Nathan Lambert

RLHF Book：Reinforcement Learning from Human Feedback and LLM Post-Training

系统理解 RLHF 和语言模型后训练的核心方法。

书籍

免费

Lambert

偏好优化与 RLHF·指令微调

对比 学习指南

Stanford CME295

Stanford CME295：Transformers & Large Language Models（2026 秋）

从 Transformer、分词和注意力，学习大语言模型结构、训练与后训练；后续课节按课程进度开放。

大学课程

免费

StanfordCME295

Transformer 与注意力·推理能力与测试时计算

对比 学习指南