●terry.so
~/tags/reinforcement-learningmain*
PODCASTFORK
CONNECTED
$ grep -l "#reinforcement-learning" ~/articles/*

tag: #reinforcement-learning

1 post(s)

01

从零手写一个推理模型:11 小时视频课背后的学习之争

Sebastian Raschka 放出 8 支、11 小时的推理模型从零实现视频课:从 Qwen3 0.6B 出发,手写验证器、推理扩展、RLVR 与蒸馏。HN 评论区却吵起一个更根本的问题:学模型到底该不该从头手写一遍,学完之后又能用它做什么。

2026.10.27
← all tags
NORMALtags/reinforcement-learning.md
g homet tagsa aboutp podcast⌘K paletteUTF-8--:--听懂 AI · terryso.dev
Edit with