投稿

【吴恩达】2026手把手教《LLM微调与强化学习》教程！附代码_大模型微调_LangChain_RAG_agent_生成式AI

2.5万

43

2026-01-06 11:18:55

未经作者授权，禁止转载

deep learning.ai 1. 对齐预训练模型以应对真实任务：运用监督微调（SFT）和基于人类反馈的强化学习（RLHF）来提升模型的指令遵循、推理能力及行为安全性。 2. 以评估指导改进：构建能够揭示问题的评估体系，据此选择训练数据与奖励信号，并进行持续迭代优化。 3. 以成本意识推动模型生产就绪：规划模型的晋升策略与服务部署，建立可靠的监控体系，并充分考虑计算资源与预算成本。 (配套课件已整理，求三连！ )

大模型微调

吴恩达大模型

计算机技术

吴恩达大模型发消息

助力技术人的每一次成长｜提供晚间免费直播课！欢迎咨询：人工智能基础课程/大模型课程/论文发表

【模块1】1-对话：Sharon Zhou and AndrewNg

10:45

【模块1】2-背景

05:13

【模块1】3-后训练（微调与强化学习）在LLM训练中的位置

06:31

【模块1】4-微调与强化学习的原理与核心思想

04:50

【模块1】5-实现有效微调与强化学习的关键要素

10:33

【模块1】6-后训练范例：推理

05:20

【模块1】7-后训练范例：安全与保障（RLAIF）

05:20

【模块2】1-数据：你需要什么以及如何准备

07:13

【模块2】2-数据：模型读取or写入数据时的词元（可选说明）

10:27

【模块2】3-微调的数学原理：损失、梯度与权重更新（Part1）

06:13

【模块2】4-微调的数学原理：损失、梯度与权重更新（Part2）

05:37

【模块2】5-微调：超参数与超参数调优（Part1）

07:14

【模块2】6-微调：超参数与超参数调优（Part2）

04:15

【模块2】7-微调：参数高效微调（PEFT）

09:08

【模块2】8-强化学习中的奖励机制与偏好学习

09:46

【模块2】9-强化学习：训练目标与基于人类反馈的强化学习（RLHF）

09:45

【模块2】10-强化学习：PPO算法与GRPO

08:07

【模块3】1-为何评估是北极星

02:18

【模块3】2-后训练中的评估：测试集与评估指标

08:15

【模块3】3-强化学习的测试环境与更新监控

05:48

【模块3】4-奖励攻击

04:49

【模块3】5-误差分析：为什么重要？

02:57

【模块3】6-错误分析：错误诊断与干预措施

04:39

【模块3】7-如何建设优质的评估体系

05:59

【模块3】8-红队测试：现实世界中的失败案例

04:04

【模块4】1-后训练需要多少数据

07:38

【模块4】2-微调所需数据

06:47

【模块4】3-强化学习数据(Part 1)

07:14

【模块4】4-强化学习数据 (Part 2)

04:45

【模块4】5-综合应用

03:00

【模块4】6-合成数据流水线

07:18

【模块4】7-模板工程（通常指提示模板工程）

04:32

【模块4】8-再探宪法AI

05:57

【模块4】9-平衡数据与奖励

05:12

【模块5】1-生产环境的后训练流水线

07:38

【模块5】2-智能体

09:23

【模块5】3-强化学习模型晋升规则（通过、不通过标准）

06:56

【模块5】4-数据反馈飞轮

05:44

【模块5】5-监控与可观测性

04:29

【模块5】6-基础架构 (Part 1)

04:43

【模块5】7-基础架构(Part 2)

07:05

【模块5】8-生产就绪清单

03:12

0-大模型系统学习路线

00:29

顶部