斯坦福 CME 295 第四讲公开：用 LLM 做强化学习

完整中文导读

斯坦福 NLP 新课 CME 295 已更新到第四讲，主题为用 LLM 做强化学习，视频和讲义均已公开。这一讲从 RL 与 Reward Design 讲到 PPO、GRPO、RLVR 和 DAPO，逐个符号展开讲解。课程由 Afshine 与 Shervine Amidi 主讲，共 9 讲，覆盖 Transformer 架构、注意力变体、RoPE、LoRA 微调、RLHF/GRPO、Flash Attention、MCP 与 AI Agent、扩散语言模型。