DeepLearning.AI推出一门全新的免费课程《大语言模型的微调与强化学习：后训练入门》，由AMD AI副总裁Sharon Zhou主讲，现已开放学习。

后训练是将基础大语言模型（LLM）——即通过海量无标签文本训练预测下一个词的模型——转变为能听指令、表现可靠助手的关键技术。很多应用中，后训练能让原本只有80%成功率的演示变成稳定可用的系统。

课程涵盖五大模块，手把手讲解后训练全流程：监督微调、奖励建模、基于人类反馈的强化学习（RLHF），以及PPO、GRPO等技术。同时介绍LoRA技术，实现高效微调，无需重新训练全模型。还教你如何设计评估机制，在上线前后发现问题。

你将掌握：
- 通过监督微调和强化学习（RLHF、PPO、GRPO）调整模型行为
- 使用LoRA高效微调，节省计算资源
- 准备和合成训练数据，支持后训练
- 理解生产环境中LLM管道的决策节点与反馈循环

这些先进技能不再是顶尖实验室的专利，任何开发者都能用后训练提升模型表现，推动AI落地。

后训练是AI从理论到实用的关键环节，它让模型不断学习反馈、优化表现，从而更聪明、更听话、更可靠。掌握这门技术，是打造高质量AI产品的必经之路。

链接：www.deeplearning.ai/courses/fine-tuning-and-reinforcement-learning-for-llms-intro-to-post-training