【青稞Talk106期】GDPO：解决 GRPO 在多奖励 RL 训练中的"优势崩溃"问题

【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

【青稞Talk 68期】slime：专为 RL Scaling 设计的大规模 RL 训练框架及实践

朱邦华: SGLang，强化学习，英伟达收购，二次创业，清华，伯克利，LMSYS，Chatbot Arena，勇于放弃

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

300行代码从零实现GRPO算法，手把手教你实现 Agent RL，训练 Agentic RAG (DeepSeek R1 同款技术）

【青稞Talk 131期】UniRL：面向统一多模态模型的分布式 RL 后训练框架

北京大学在读博士李雪曈：基于稀有事件的分布式逻辑回归

verl 源码解读 与 HybridFlow 编程范式讲解

【青稞Talk 123期】DeepSeek V4 模型在 SGLang 中的系统级优化与全栈适配

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

【青稞Talk102期】从 TRPO 到 SAPO：大模型 RL 算法演进

OPD 专题|青稞AMA第3期

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

Talk | 卡耐基梅隆大学何泰然：安全、敏捷、能泛化的基于强化学习的机器人控制

【青稞Talk 136期】PithTrain：Agent 时代的 MoE 训练框架设计

【青稞Talk 83期】统一 SFT & RL：迈向大型语言模型后训练的统一视角

大模型强化学习的熵机制

【青稞Talk 128期】MinT: 面向百万级 LoRA 策略的训练与推理基础设施

【青稞Talk 133期】VeRL-Omni：基于 VeRL 及 vLLM-Omni 构建的面向多模态生成模型的高效RL后训练框架