斯坦福 CME 295 第四讲公开：用 LLM 讲强化学习
斯坦福新课 CME 295：Transformers & Large Language Models
斯坦福课程 CME 295 Transformers & Large Language Models 更新到第四讲 Reinforcement learning with LLMs，视频和讲义均已公开。这一讲从 RL 和 Reward Design 讲到 PPO、GRPO、RLVR 和 DAPO，逐个解释其中的符号。课程由 Afshine 与 Shervine Amidi 主讲，共 9 讲，覆盖 Transformer 架构、注意力变体、RoPE、LoRA 微调、RLHF/GRPO 训练、Flash Attention 推理优化、MCP 与 AI Agent、扩散语言模型。
查看原帖斯坦福 @stanfordnlp 新课 CME 295，双胞胎兄弟 @afshinea @shervinea 主讲，9 讲走完 LLM 全部版图：从 Transformer 架构、注意力变体、RoPE，到 LoRA 微调、RLHF/GRPO 训练，再到 Flash Attention 推理优化、MCP 与 AI Agent、扩散语言模型。 课程和知名速查表全部公开。 https://t.co/FjHGTco5iS
查看原文
斯坦福 @stanfordnlp 新课 CME 295，双胞胎兄弟 @afshinea @shervinea 主讲，9 讲走完 LLM 全部版图：从 Transformer 架构、注意力变体、RoPE，到 LoRA 微调、RLHF/GRPO 训练，再到 Flash Attention 推理优化、MCP 与 AI Agent、扩散语言模型。 课程和知名速查表全部公开。 https://t.co/FjHGTco5iS
正文 · AI 翻译
斯坦福新课 CME 295：Transformers & Large Language Models
@stanfordnlp 双胞胎兄弟（Afshine & Shervine Amidi @afshinea @shervinea）的课程已经来到了第四讲：Reinforcement learning with LLMs
这一讲，从 RL、Reward Design 一直讲到 PPO、GRPO、RLVR 和 DAPO，把每个符号都讲清楚了，非常适合用来系统补充 RL 知识！