记得之前介绍过一本《爱丽丝漫游可微仙境》 http://t.cn/AXUwMwsz
用爱丽丝的故事教你现代神经网络，现在作者开始写第二卷了，先放出了一章介绍强化学习的：
www.sscardapane.it/assets/alice/Alice_volume_2_rl.pdf
内容涉及大型语言模型的后训练技术，聚焦于强化学习在模型微调中的作用 。内容兼具广度（历史演进）与深度（数学推导）的技术文档。系统讲解了从奖励建模（Reward Modeling）、策略梯度（Policy Gradient）到PPO、GRPO及DPO等前沿算法的数学推导与应用细节 。
#科技先锋官##AI创造营#