meng shao· @shao__meng · X·· 6 天前AI 评分61
AI 导读
斯坦福新课 CME 295 课程第四讲聚焦大语言模型强化学习，现已公开视频与讲义。该讲内容涵盖强化学习基础、Reward Design、PPO、GRPO、RLVR 及 DAPO 等核心技术，适合系统补充强化学习相关知识。
正文 · 原文
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
视频和讲义都公开了：
https://www.youtube.com/watch?v=3Vaj0Oka_t4&list=PLakGfbKCei80&index=4
https://cme295.stanford.edu/slides/fall26-cme295-lecture4.pdf
这一讲，从 RL、Reward Design 一直降到 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！
来源：meng shao · x.com