LLaMA Pro：扩展Transformer块优化的大型语言模型继续预训练｜Talk11

【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

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

基于大语言模型（LLM）与知识图谱（Knowledge Graph）深度融合的通用智能问答平台

【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】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

大模型强化学习的熵机制

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

【青稞Talk】DPA & LLaVA-HUD v4：多模态大模型的深度预对齐与高效视觉编码优化

【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

【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Talk102期】从 TRPO 到 SAPO：大模型 RL 算法演进

LLMs-Zero-to-Hero，完全从零手写大模型，从数据处理到模型训练，细节拉满，一小时学会。 build a nanoGPT from scratch

【青稞Talk 117期】OpenClaw-RL: 结合 GRPO + OPD，在使用中自适应变强的龙虾

【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

黑马程序员AI大模型NLP自然语言处理全套视频教程，从传统序列模型到基于Transformer的预训练模型，构建完整NLP知识体系与项目实战

【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

[2026新版本]LM Studio部署与使用教程！全面支持 N卡/A卡/I卡！一键部署本地语言模型！

【青稞Talk 124期】大模型强化学习的Scaling Law

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