斯坦福 CME 295：9 讲走完 LLM 全景，第四讲讲强化学习
斯坦福 CME 295『Transformers & Large Language Models』由 Amidi 兄弟主讲，共 9 讲：前半讲 Transformer 与注意力的几种改法、位置编码，中段讲 LoRA 微调以及 RLHF、GRPO 等强化学习训练，后半涉及推理加速、MCP、Agent 和扩散式语言模型；已更新到第四讲（LLM 的强化学习），视频与讲义公开。
shao__meng@shao__meng原帖
为什么值得留
想系统补 LLM 基础的人，可按讲义自学。
可以从这里开始
先看第四讲讲义，写一页 RLHF 与 GRPO 区别的笔记。
阅读时留意
课程内容来自推荐帖的概括，没逐讲核对；讲义深度和更新节奏未知。
OnBalls 导读整理于 2026.10.22。只读收件箱保存的帖文节选及可见引用；未打开链接内容与原文，帖中数字和说法未独立核实。