@yuwen_lu_: 看了一半，我靠怎么从来没人告诉我rl这么好玩

X AI KOLs Timeline 工具
reinforcement-learning tutorial hands-on llm rlhf dpo grpo agentic-rl

摘要

Sanbu 散步发布了现代RL教程Hands-On Modern RL，涵盖从CartPole+PPO入门到LLM后训练（RLHF、DPO、GRPO）和Agentic RL，代码先行，英文版即将更新。

看了一半，我靠怎么从来没人告诉我rl这么好玩
查看原文
查看缓存全文

缓存时间: 2026/05/31 07:03

看了一半，我靠怎么从来没人告诉我rl这么好玩

Sanbu 散步 (@sanbuphy): 花了段时间写了 RL 教程 Hands-On Modern RL，路线是从 CartPole + PPO 入门，然后到 LLM 后训练（RLHF、DPO、GRPO）、Agentic RL。代码先行，公式用来解释现象。英文版很快更新。 目前是草稿版本，RLHF、Agentic RL 部分本地审校中。 欢迎提 PR 或 Issue & 显卡支持：

相似文章