【青稞Talk 107期】JustRL: 用"最笨"的 RL 方法刷新 1.5B 推理模型新基线

翁家翌：OpenAI，GPT，强化学习，Infra，后训练，天授，tuixue，开源，CMU，清华｜WhynotTV Podcast #4

【青稞Talk 78期】从 LLM-RL 到 Agentic RL：如何让语言模型成为自主智能体｜青稞Talk 78期

verl: An Open-Source Large-Scale LLM RL Framework for Agentic Tasks

8个月连获 NeurIPS 与 ICML 双Best Paper，乐洋谈 RL 的能力边界

【中英双语】2026版首发斯坦福CS329A：自改进AI Agents完整课

【青稞Talk102期】从 TRPO 到 SAPO：大模型 RL 算法演进

Rectified Flow：矫正流生成式模型的概念及应用实践｜青稞Talk 31期

【青稞Talk95期】从 π_0 到 π_RL：面向流匹配 VLA 的强化学习后训练框架

【吴恩达】2026年公认最好的【Agent智能体】教程！大模型入门到进阶，一套全解决！Agentic AI—附带课件代码

【青稞Talk101期】MiniMax M2.1：Agent 后训练经验与认知

S-LoRA：实现多 LoRA 大模型的高效并行化推理｜青稞Talk 20期

从分布视角看SFT、RL和OPD，解释为什么RL和OPD泛化性能更好

40分钟了解OPD的主要工作：为什么RL时代还需要On-Policy Distillation

（B站首推）2026李宏毅智能体【AI Agent】系列课程全集，公认体验感最好的入门课程！--人工智能/机器学习/深度学习/大模型/LLM

【青稞Talk 141期】Alignment unlocks Scaling：Qwen-Robot Suite 的设计原理和背后的思考

【青稞Talk 143期】新一代具身智能数据范式ACE-Data-0：以人为中心的环境式采集构建具身数据引擎

【大白话03】一文理清强化学习RL基本原理 | 原理图解+公式推导

【青稞Talk 152期】Lego-RL：面向真实 Coding Agent 的 Harness-Native 强化学习方法

（B站首推）2026李宏毅智能体【Harness Engineering】系列课程全集，公认体验感最好的入门课程！--人工智能/大模型/Agent/LLM

【吴恩达】2026年公认最好的【大模型微调】教程！大模型入门到进阶，一套全解决！Fine tune the LLM large model-附带课件代码