← 返回课程

CS224N Winter 2026 · Lecture 8官方资料已接入

Post-training (RLHF, SFT, DPO)

日期

2026-01-29

课程资料

9 项

内容产物

0 项

本讲资源

Winter 2026 课程主页 ↗2026 课程表 ↗2026 录播（需 Canvas 选课权限） ↗

视频待接入官方资源发布后会自动出现在这里

课程简介

Winter 2026 · 官方讲义与阅读材料；录播需 Canvas 选课权限。

COURSE MATERIALS官方资料与延伸阅读

讲义 / SlidesPost-training (RLHF, SFT, DPO) · slidesWinter 2026 官方课程表所列资料。↗文档Project Proposal · 项目提案说明Winter 2026 官方课程表所列资料。↗文档Default Final Project · 题目说明Winter 2026 官方课程表所列资料。↗代码Default Final Project · GPT-2 起始代码2026 官网链接的项目说明在 Getting Started 中指定的仓库。↗文档Aligning language models to follow instructionsWinter 2026 官方课程表所列资料。↗论文Scaling Instruction-Finetuned Language ModelsWinter 2026 官方课程表所列资料。↗论文AlpacaFarm: A Simulation Framework for Methods that Learn from Human FeedbackWinter 2026 官方课程表所列资料。↗论文How Far Can Camels Go? Exploring the State of Instruction Tuning on Open ResourcesWinter 2026 官方课程表所列资料。↗论文Direct Preference Optimization: Your Language Model is Secretly a Reward ModelWinter 2026 官方课程表所列资料。↗

ASSIGNMENTS作业节点

Default Final Project · GPT-2 起始代码已发布