大模型训练全链路拆解:预训练→SFT→RLHF→量化蒸馏,手写代码跑通端侧部署!
【2026/Minimind】注入灵魂!Pytorch手敲大模型训练:一集通关SFT、LoRA、PPO、DPO、GRPO
DPO (Direct Preference Optimization) 算法讲解
研二/大三吃透大模型LLM大厂面试真题300问,7天学完,让你面试少走99%弯路!【存下吧,附精心整理的面试宝典,学完即可面试上岗】
从分布视角看SFT、RL和OPD,解释为什么RL和OPD泛化性能更好
大模型微调看这个视频就够了 SFT NEFTune
【闪客】一小时从 Transformer 到大模型!
【完整版】微调:从原理到实操,该说的我都说了……
什么是大模型Skill 10分钟弄懂
练习不到两天半,完全从零开始训练大模型,从训练tokenizer到预训练再到SFT全流程,让你完全搞懂大语言模型
大模型预训练看这个视频就够了
吴恩达同步最新AI课,第84讲:大模型后训练三大核心技术--监督微调+偏好优化+强化学习--Post-training of LLMs:SFT/DPO/RL完整
单卡5090,10小时预训练+SFT+DPO训练出能聊天、ToolCall的大模型
【大模型入门】大模型全流程学习一图搞定!LLM、预训练、SFT监督微调、DPO优化、知识蒸馏、LoRA低秩分解
【2026版】这绝对是B站把强化学习DPO算法实战从入门到精通讲明白的教程,零基础带你手把手DPO算法实战,全程干货无废话,让你少走99%弯路!!!
【完整版】硬核讲解:一个视频彻底了解大模型的原理,从输入层到输出层
大模型后训练讲解
300行代码从零实现GRPO算法,手把手教你实现 Agent RL,训练 Agentic RAG (DeepSeek R1 同款技术)
深度技术解析大模型对齐与RLHF:基于PPO的SFT → 奖励模型 → 强化学习三阶段对齐流程及其挑战 监督微调、奖励模型、大模型RL
【吴恩达】2026年公认最好的【大模型微调】教程!大模型入门到进阶,一套全解决!Fine tune the LLM large model-附带课件代码