Berloga - науки и технологии

Запилили открытый учебник по Reinforcement Learning — от жадных бандитов до выравнивания LLM. Идея — собрать в одну книгу путь от классической теории RL до современных RLHF-пайплайнов и reasoning-моделей. 320 страниц, 17 глав в 4 частях: 1. Основы: бандиты, MDP, DP, Monte Carlo, TD-learning 2. Глубокое RL: DQN, policy gradient, actor-critic, PPO с GAE 3. RLHF и выравнивание: модели вознаграждения, DPO/IPO/KTO/ORPO, GRPO, RLVR 4. Настоящий фронтир уровень: reasoning, chain-of-thought, агентные и мультиагентные системы + их обучение К каждой главе идет Jupyter-ноутбук (запускается в бесплатном Colab) и задачи с решениями. Внутри - разбор кейсов InstructGPT, Llama 2, Constitutional AI и DeepSeek-R1. Есть черновой перевод на русский. По материалу уже готовились (и успешно прошли) собесы в топ-компании на hard-RL секции, а скоро его пустят в печать Если зайдёт — буду благодарен звезде на GitHub ⭐️ так учебник смогут найти новые люди через рекомендации платформы гитхаб и перевод на русский 🏔 Сообщество ML-энтузиастов и AI в горах Телеграм: @mountainai_info Сайт: Ссылка скрыта