【青稞Talk 97期】从 BF16 到 FP16：如何解决RL训练-推理不匹配问题

【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 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

【青稞Talk 125期】重探 On-Policy Distillation（OPD）：三类典型失败以及修复路径

【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

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

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

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

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

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

【青稞Talk 144期】从 端到端 VLA 到 Harness VLA：面向具身智能与机器人操作任务的记忆增强式执行框架

【青稞Talk 139期】LaWAM：隐空间世界动作模型！不生成未来视频，也让机器人拥有物理预见力

【青稞Talk 140期】在线自进化后训练框架 DRIFT：没有外部专家监督时，如何让 OPD 策略学会自我持续进化

【青稞Talk 145期】Agentic RL 下半场：无需梯度更新的即时强化学习JitRL

【青稞Talk 132期】从 MLA 到 GQLA：无需从头训练，硬件自适应高效注意力机制

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

World Model 专题|青稞AMA第2期