先了解这件事
2026年8月10日,Manning出版了Interconnects作者Nathan Lambert的后训练教材《Reinforcement Learning from Human Feedback: Aligning and Post-training LLMs》。据Interconnects报道,该书已在Manning和Amazon US发货,Amazon UK将于10月上市;全书约25%篇幅讲RL,覆盖从策略梯度定理到PPO、GRPO、GSPO、CISPO等算法,并包含拒绝采样、结果奖励模型、角色训练等主题,还临时加入了on-policy distillation一节。8月12日,该教材作者在Interconnects提出判断,称LLM在长篇非虚构写作上进展停滞:他用LLM处理LaTeX公式、大量文字编辑和TikZ/Python图表,GPT 5.5 Pro能在200-300页书稿中找出细微笔误,Claude更适合当编辑,但模型仍无法组织整章内容,写作能力与编程、数学的进步几乎正交。
AI 根据公开报道生成
最新进展 · 正式报道
我写了一本 AI 教科书——AI 还要多久才能写得更好？事件进展
2 个已确认进展
- 来源：Interconnects
- 来源：Interconnects
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
8月12日
Interconnects
我写了一本 AI 教科书——AI 还要多久才能写得更好？
Interconnects 作者写完一本后训练教科书《Reinforcement Learning from Human Feedback》，用 LLM 处理 LaTeX 公式、大量文字编辑和 TikZ/Python 图表，却发现模型在长篇非虚构写作上进展停滞。GPT 5.5 Pro 能在 200-300 页书稿中找出细微笔误，Claude 更适合当编辑，但模型仍无法组织整章内容，写作能力与编程、数学的进步几乎正交。
8月10日
Interconnects
Interconnects 作者发布后训练教材《Reinforcement Learning from Human Feedback》
Interconnects 作者 Nathan Lambert 的后训练教材《Reinforcement Learning from Human Feedback: Aligning and Post-training LLMs》由 Manning 出版，已在 Manning 和 Amazon US 发货，Amazon UK 10 月上市。全书约 25% 篇幅讲 RL，覆盖从策略梯度定理到 PPO、GRPO、GSPO、CISPO 等算法，并包含拒绝采样、结果奖励模型、角色训练等主题，还临时加入了 on-policy distillation 一节。