Nathan Lambert 发售大模型后训练教材，解析 RL 算法直觉与系统实践

AI 研究员 Nathan Lambert 宣布其由 Manning 出版的大模型后训练教材正式发货，并同步开放了免费网页版、12 小时配套视频课程与代码练习。全书系统梳理了从 PPO 到 GRPO 等策略梯度算法的数学直觉，并深入剖析异步强化学习的 GPU 系统设计、多教师在线蒸馏以及角色训练中的过度优化陷阱。