想深入了解ChatGPT、Claude 這些AI 背後的訓練機制，尤其是它們背後那套如何透過人類回饋變得越來越聰明的原理。 可以看下，來自加州大學數學系教授Ernest K. Ryu 開設的《大語言模型的密集學習》課程，配套PPT 和影片可以免費學習。 課程從深度強化學習基礎講起，逐步深入到Transformer 架構和現代LLM 技術，最後聚焦於RLHF（人類回饋強化學習）等前沿訓練方法，系統講解如何讓AI 模型變得更聰明、更符合人類偏好。 課程地址：https://t.co/hKwoSkITJG 主要內容： - 深度強化學習基礎：MDP 理論、策略梯度方法（A3C、PPO）等核心演算法； - 大語言模型架構：從RNN 到Transformer，涵蓋BERT、GPT 等經典模型； - LLM 強化學習訓練：詳解RLHF、DPO 等讓模型遵循人類指令的技術； - AlphaGo 原理與專家迭代：學習如何提升模型的推理能力。 課程要求大家需要具備一定深度學習基礎，提供影片教學和Jupyter 程式碼範例可直接運行，理論與實作結合。
