RL Scaling Laws for LLMs
深入探討大型語言模型在預訓練與強化學習階段中，如何應用與演變「擴展定律」。讀者將了解從預訓練到強化學習的擴展定律差異，學習如何透過數學模型預測訓練效能，並掌握最佳化計算資源分配的實際策略。
他的來源
最受歡迎
依人氣
Applying Statistics to LLM Evaluations
介紹如何運用統計學方法提升大型語言模型的評估品質，避免誤將隨機波動視為進步。讀者將學習計算標準誤差、建立置信區間，並掌握配對分析與聚簇調整等實務技巧，讓評估結果更具說服力。
Agentic World Models
介紹如何透過結合世界模型目標與強化學習，解決大型語言模型代理在訓練時監督訊號稀疏的問題。透過讓代理預測環境觀察結果，可提升學習效率、泛化能力與工具使用效果，並提供具體的實現方式與行為影響分析。
The Anatomy of an LLM Benchmark
深入探討大型語言模型（LLM）評估資料集的構建方法與技術，涵蓋 MMLU、MMLU-Pro、MMLU-Redux 及 GPQA 等知名基準測試的細節。
Agent Evaluation: A Detailed Guide
詳細介紹如何評估 AI 代理系統，涵蓋從基礎概念到實作框架。讀者將學習如何建立真實的評估環境、使用程式碼與模型評分器，並透過案例研究掌握最佳實踐，以確保代理在複雜任務中的表現可靠。
Reinforcement Learning for LLMs: The Complete Guide
從第一原理出發，系統介紹強化學習在大型語言模型中的演進與應用，涵蓋基礎概念、策略梯度演算法（如 PPO、GRPO）及最新研究。讀者可掌握 RL 訓練 LLM 的核心邏輯與實作細節，並了解當前前沿技術方向。
Continual Learning with RL for LLMs
探討大型語言模型在持續學習中的挑戰，特別是「災難性遺忘」問題。文章比較了監督微調（SFT）與強化學習（RL）在維持舊任務表現與學習新任務之間的平衡，指出 RL 能有效減少遺忘。
Rubric-Based Rewards for RL
介紹如何將基於規則的獎勵（Rubric-Based Rewards）應用於非可驗證領域的強化學習，解決傳統神經獎勵模型在創意寫作等主觀任務中的不足。
Notes on NVIDIA Nemotron
介紹 NVIDIA Nemotron 系列開源大型語言模型技術報告的實用內容。
※ 摘要僅根據標題與說明
Notes on Midtraining
介紹利用中階訓練與持續預訓練技術，打造更專精的大型語言模型的方法。
※ 摘要僅根據標題與說明
最新內容
依發布時間
Notes on NVIDIA Nemotron
介紹 NVIDIA Nemotron 系列開源大型語言模型技術報告的實用內容。
※ 摘要僅根據標題與說明
Reinforcement Learning for LLMs: The Complete Guide
從第一原理出發，系統介紹強化學習在大型語言模型中的演進與應用，涵蓋基礎概念、策略梯度演算法（如 PPO、GRPO）及最新研究。讀者可掌握 RL 訓練 LLM 的核心邏輯與實作細節，並了解當前前沿技術方向。
※ 摘要僅根據標題與說明
Agentic World Models
介紹如何透過結合世界模型目標與強化學習，解決大型語言模型代理在訓練時監督訊號稀疏的問題。透過讓代理預測環境觀察結果，可提升學習效率、泛化能力與工具使用效果，並提供具體的實現方式與行為影響分析。
Agentic RL: Frameworks and Best Practices
介紹訓練大型語言模型（LLM）以處理長時程複雜任務的代理強化學習（Agentic RL）框架與最佳實踐。內容涵蓋代理系統的核心元件、多回合滾動訓練機制，以及不同環境下的實驗驗證結果。讀者可學習如何設計高效能的自主 AI 系統。
Agent Evaluation: A Detailed Guide
詳細介紹如何評估 AI 代理系統，涵蓋從基礎概念到實作框架。讀者將學習如何建立真實的評估環境、使用程式碼與模型評分器，並透過案例研究掌握最佳實踐，以確保代理在複雜任務中的表現可靠。
RL Scaling Laws for LLMs
深入探討大型語言模型在預訓練與強化學習階段中，如何應用與演變「擴展定律」。讀者將了解從預訓練到強化學習的擴展定律差異，學習如何透過數學模型預測訓練效能，並掌握最佳化計算資源分配的實際策略。
The Anatomy of an LLM Benchmark
深入探討大型語言模型（LLM）評估資料集的構建方法與技術，涵蓋 MMLU、MMLU-Pro、MMLU-Redux 及 GPQA 等知名基準測試的細節。
Applying Statistics to LLM Evaluations
介紹如何運用統計學方法提升大型語言模型的評估品質，避免誤將隨機波動視為進步。讀者將學習計算標準誤差、建立置信區間，並掌握配對分析與聚簇調整等實務技巧，讓評估結果更具說服力。
Rubric-Based Rewards for RL
介紹如何將基於規則的獎勵（Rubric-Based Rewards）應用於非可驗證領域的強化學習，解決傳統神經獎勵模型在創意寫作等主觀任務中的不足。
Continual Learning with RL for LLMs
探討大型語言模型在持續學習中的挑戰，特別是「災難性遺忘」問題。文章比較了監督微調（SFT）與強化學習（RL）在維持舊任務表現與學習新任務之間的平衡，指出 RL 能有效減少遺忘。
GRPO++: Tricks for Making RL Actually Work
介紹如何將基礎的 GRPO 演算法改造成適合大規模訓練的實用方案，涵蓋模板選擇、優勢計算與損失函式調整等技巧。讀者能掌握提升推理模型品質的關鍵實踐，並理解 RLVR 與 RL-Zero 的訓練架構。
Olmo 3 and the Open LLM Renaissance
深入解析 Olmo 3，一款完全開放的語言模型，提供從預訓練到強化學習的完整訓練流程、資料與程式碼。讀者可了解如何構建透明、可重現的開源大模型，並掌握其架構與訓練細節。
Group Relative Policy Optimization (GRPO)
深入解析 Group Relative Policy Optimization (GRPO) 演算法，說明其如何取代 PPO 成為訓練大型推理模型的主流方法。
PPO for LLMs: A Guide for Normal People
深入解析 PPO 演算法如何成為現代大型語言模型後訓練的標準，從強化學習基礎概念到 PPO 的具體實作細節。讀者將掌握 PPO 的程式碼邏輯、關鍵參數設定，並透過經典實驗理解其穩定性與優勢。
