强化学习

2026 年大型语言模型 (LLM) 架构深度指南，涵盖 Transformer 基础、RLVR 推理革命、混合专家模型 (MoE) 以及如何根据业务需求选择最佳架构。

本文深度总结了 Andrej Karpathy 长达 3.5 小时的 LLM 教程，涵盖预训练、后训练、RLHF 以及 AI 智能体等核心技术要点。

本文深入探讨了在开源大模型（GPT-OSS）中实现代理（Agentic）工作流强化学习（RL）的技术细节，涵盖 GRPO 算法、奖励模型设计及基础设施优化。

DeepSeek 最近将其 R1 技术论文从 22 页更新到了 86 页，在没有任何官方公告的情况下，详细披露了其多阶段训练流水线、中间检查点以及失败的实验细节。这一更新预示着 DeepSeek-V4 的到来，并为开发者提供了宝贵的训练洞察。