AI 武林：GRPO

Build & Train a GLM-5.3-Flash Model From Scratch with Python

freeCodeCamp.org — Wed, 07 Oct 2026 00:00:00 +0800

示範如何從零開始用 Python 訓練一個 2500 萬參數的 GLM-5.3 Flash 多模態語言模型，涵蓋分詞、預訓練與強化學習流程。

原站：https://www.youtube.com/watch?v=-gfgQfw2g_E

PewDiePie is setting AI free... and OpenAI is furious

Fireship — Tue, 06 Oct 2026 00:00:00 +0800

介紹 PewDiePie 訓練的 Ajax 模型，這是基於 Qwen 3.5 並移除安全限制後，透過 GPT Soul 輸出進行蒸餾訓練而成的。

原站：https://www.youtube.com/watch?v=_5p1_TNSWqQ

Build A Reasoning Model From Scratch 6: Reinforcement Learning 1 (Implementing GRPO for RLVR)

Sebastian Raschka — Sat, 03 Oct 2026 00:00:00 +0800

由 Sebastian Raschka 講解如何從零開始用 Python 實現 GRPO 演算法，訓練小型推理模型。觀眾能學習 RLVR 的具體實作細節與訓練流程。

原站：https://www.youtube.com/watch?v=237Hf7Q3lgg

Beating RL With Reflection: GEPA and Optimize Anything — Lakshya A. Agrawal, GEPA

AI Engineer — Sun, 27 Sep 2026 00:00:00 +0800

Lakshya A. Agrawal 介紹 GEPA，一種透過完整執行軌跡與文字反思來最佳化提示詞的高效方法，比傳統強化學習更省資源。

原站：https://www.youtube.com/watch?v=OA-Mc60Rboo

Recursive-in-Recursive AI for Scientific AI Agents

Discover AI — Thu, 17 Sep 2026 00:00:00 +0800

介紹 ScienceBuddy 如何透過模型與工具協同進化，提升科學 AI 代理的準確率。內容說明將人類專家修正轉化為可執行任務，並透過 GWAS 與文獻推理實現自我改進。

原站：https://www.youtube.com/watch?v=aMR_54K-KxE

Import AI 470: No rights for machines; automating environment generation with SPADE; and building better GPU kernels with Hawkeye

Import AI（Jack Clark） — Mon, 24 Aug 2026 00:00:00 +0800

探討 AI 在網路安全、數學與 AI 研究本身的加速差異，並介紹 SPADE 與 Hawkeye 等工具如何自動生成訓練環境與最佳化 GPU 核心程式碼。最後也討論了關於 AI 是否應有權利、人類意識危機等哲學議題。

原站：https://importai.substack.com/p/import-ai-470-no-rights-for-machines

Why Image Generation Needs More Than Bigger Models with Fatih Porikli - #773

The TWIML AI Podcast — Thu, 13 Aug 2026 00:00:00 +0800

探討文字轉影像模型雖能生成逼真畫面，卻在人物身份一致性、高解析度與邊緣裝置運算上仍有挑戰。Fatih Porikli 介紹了利用強化學習最佳化訓練目標，以提升畫面可控性、消除偽影並實現高效本地生成。

原站：https://twimlai.com/podcast/twimlai/why-image-generation-needs-more-than-bigger-models

Chelsea Finn: This is the State of the Art in Robotics

Y Combinator — Wed, 12 Aug 2026 00:00:00 +0800

Chelsea Finn 分享 Physical Intelligence 如何透過強化學習與大模型訓練，開發能自主長時間運作的一般目的機器人。

原站：https://www.youtube.com/watch?v=cRZNwgvcWUg

GLM-5.2: DeepSeek Was Wrong About RL?

bycloud — Fri, 24 Jul 2026 00:00:00 +0800

討論 GLM-5.2 模型訓練策略，指出其放棄 GRPO 改用 PPO 的決定值得關注，並分享作者對模型表現之外的洞見。適合對大模型訓練技術感興趣的開發者與研究者。

原站：https://www.youtube.com/watch?v=3KwpmSpEplY

Why a Nation Can't Outsource Its Frontier AI - Alistair Pullen (Cosine AI)

Machine Learning Street Talk — Tue, 14 Jul 2026 00:00:00 +0800

Cosine 創辦人 Alistair Pullen 與 Tim Scarfe 訪談，探討因美國出口管制導致 Fable 模型受限後，英國如何透過 Isambard 超級電腦與企業協作，以低成本訓練國有大型語言模型。

原站：https://podcasters.spotify.com/pod/show/machinelearningstreettalk/episodes/Why-a-Nation-Cant-Outsource-Its-Frontier-AI---Alistair-Pullen-Cosine-AI-e3m1r3m

Ornith 1.0: 自我優化代理式程式設計模型 [正體中文字幕]

Will 保哥 — Mon, 29 Jun 2026 00:00:00 +0800

解析 Ornith-1 模型如何透過專業化訓練與動態控制架構，讓小型模型在效能上超越龐大對手。觀眾可了解其防止獎勵駭客機制與真實測試結果，掌握 AI 程式設計新趨勢。

原站：https://www.youtube.com/watch?v=ruPMUk9xNzI

Introducing Ornith 1.0 - Agentic Coding LLMs

Sam Witteveen — Fri, 26 Jun 2026 00:00:00 +0800

介紹 Ornith 1.0 系列自架構編碼模型，能自動設計並執行任務指令碼。觀眾可學習模型如何利用強化學習訓練「自支撐」能力，以及如何在本地環境執行不同規模模型。

原站：https://www.youtube.com/watch?v=uD4-uy0GmHE

AI Trends 2026: OpenClaw Agents, Reasoning LLMs, and More with Sebastian Raschka - #762

The TWIML AI Podcast — Fri, 27 Feb 2026 00:00:00 +0800

由 Sebastian Raschka 主講，分析 2026 年 AI 趨勢，重點在於從原始模型擴展轉向後訓練與推理技術。內容涵蓋自一致性、自最佳化等提升數學與編碼能力的推理方法，以及工具整合與代理工作流的實際應用。

原站：https://twimlai.com/podcast/twimlai/ai-trends-2026-openclaw-agents-reasoning-llms

State of LLMs 2026: RLVR, GRPO, Inference Scaling — Sebastian Raschka

The MAD Podcast — Thu, 29 Jan 2026 00:00:00 +0800

Sebastian Raschka 與 Matt Turck 深入探討 2025 至 2026 年大型語言模型的演進，涵蓋架構選擇、RLVR 與 GRPO 強化學習技術、推理縮放策略及評估方法。

原站：https://podcasters.spotify.com/pod/show/firstmark/episodes/State-of-LLMs-2026-RLVR--GRPO--Inference-Scaling--Sebastian-Raschka-e3eaha2

The State Of LLMs 2025: Progress, Problems, and Predictions

Sebastian Raschka（部落格） — Tue, 30 Dec 2025 00:00:00 +0800

Sebastian Raschka 回顧 2025 年大型語言模型發展，重點分析 DeepSeek R1 帶來的推理模型突破與 RLVR 演算法。

原站：https://magazine.sebastianraschka.com/p/state-of-llms-2025

From DeepSeek V3 to V3.2: Architecture, Sparse Attention, and RL Updates

Sebastian Raschka（部落格） — Wed, 03 Dec 2025 00:00:00 +0800

深入解析 DeepSeek V3.2 的架構演進，涵蓋稀疏注意力機制、自驗證訓練方法與 GRPO 最佳化細節，並對比其與 V3、R1 及 Qwen3 等模型的差異。讀者可掌握最新開源大模型的技術亮點與訓練策略。

原站：https://magazine.sebastianraschka.com/p/technical-deepseek