第二课：BERT
第十五课：LLaMA
第二十一课：PEFT
第二十课：MoE
吴恩达《从人类反馈中进行强化学习RLHF, Reinforcement Learning from Human Feedback》（中英字幕）
第七课：Prompt Tuning
SFT和RLHF的区别是什么？
清华大模型公开课第二季回归！全球顶级开源社区梦幻联动
第九课：Instruct Tuning
全网最通俗易懂，大模型偏好对齐RLHF从PPO推导DPO再推导simPO
第一课：Transformer
第二十二课：Prompt Engineering
第十三课：ChatGLM2
【中文语音】Umar Jamil 讲解RLHF和PPO
RLHF之ppo基础
PPO@RLHF ChatGPT原理解析
第十九课：RWKV1-4
第十一课：ChatGLM
第十六课：LLaMA2
第六课：代码预训练
