DeepLearning.AI 新课程：大语言模型的微调与强化学习后训练入门 Sharon Zhou 2025-10-30 0 浏览 0 点赞 长文 DeepLearning.AI 推出一门全新的免费课程《大语言模型的微调与强化学习：后训练入门》，由 AMD AI 副总裁 Sharon Zhou 主讲，现已开放学习。 后训练是将基础大语言模型（LLM）——即通过海量无标签文本训练预测下一个词的模型——转变为能听指令、表现可靠助手的关键技术。很多应用中，后训练能让原本只有 80% 成功率的演示变成稳定可用的系统。 课程涵盖五大模块，手把手讲解后训练全流程：监督微调、奖励建模、基于人类反馈的强化学习（RLHF），以及 PPO、GRPO 等技术。同时介绍 LoRA 技术，实现高效微调，无需重新训练全模型。还教你如何设计评估机制，在上线前后发现问题。 你将掌握： - 通过监督微调和强化学习（RLHF、PPO、GRPO）调整模型行为 - 使用 LoRA 高效微调，节省计算资源 - 准备和合成训练数据，支持后训练 - 理解生产环境中 LLM 管道的决策节点与反馈循环 这些先进技能不再是顶尖实验室的专利，任何开发者都能用后训练提升模型表现，推动 AI 落地。 后训练是 AI 从理论到实用的关键环节，它让模型不断学习反馈、优化表现，从而更聪明、更听话、更可靠。掌握这门技术，是打造高质量 AI 产品的必经之路。 课程链接 大语言模型的微调与强化学习：后训练入门 #AI #DeepLearning.AI #GRPO #LLM #LoRA #PPO #RLHF #免费课程 #后训练