斯坦福新课 CME 295 第四讲：大语言模型强化学习，讲义与视频公开

导读

作者介绍斯坦福新课 CME 295（Transformers & Large Language Models），由 Afshine 与 Shervine Amidi 主讲，目前进行到第四讲 Reinforcement learning with LLMs，视频与讲义已公开。本讲从 RL、Reward Design 讲到 PPO、GRPO、RLVR 和 DAPO，逐个符号讲解；课程共 9 讲，覆盖 Transformer 架构、LoRA 微调、Flash Attention、MCP 与扩散语言模型等，资料全部公开（cme295.stanford.edu）。