$ grep -l "#reinforcement-learning" ~/articles/*
1 post(s)
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。