爱可可-爱生活
26-10-26 18:55 微博认证:AI博主 2025微博新锐新知博主

「从零手写推理大模型:11小时硬核实战课」Sebastian Raschka 带来了他的新书配套视频课,共8讲、超11小时纯代码实操,用 Python 和 PyTorch 带大家摸清推理模型的底层机理。课程选用轻量级 Qwen3 作为基座,从编写答案验证器与 MATH-500 评估流程切入,逐步实现多样性采样、自一致性及自反思等推理时扩展技术;接着手把手搭起基于可验证奖励的强化学习,实现 GRPO 训练循环、策略裁剪与 KL 散度约束;最后演示如何借助大模型完成知识蒸馏。内容完全聚焦动手落地,想吃透现代 Agent 核心引擎实现细节的朋友值得跟练:magazine.sebastianraschka.com /p/building-reasoning-models

发布于 北京