我是
小冬瓜AIGC，原创超长文知识分享原创课程已帮助多名同学上岸
LLM赛道
知乎/小红书📕：小冬瓜AIGC
LLM中的RLHF-PPO算法复杂, 容易劝退进阶的朋友
逐行手撕LLM中的PPO算法成功后，我建议
不依赖任何RL库, 主要通过Pytorch实现：
4个模型：Ref/Actor/Critic/Reward
PPO采样及训练流程
Loss计算Actor Loss+Critic Loss+Entropy
reward+KL散度
....
以上为课程内独立实现的RLHF-PPO其中的Critic Model
更多课程详情如下
一、课程概况
课程内容：直播 + 往期录播 + 手撕级Notebook + 非调包源码 + 算法图解 + 课程PPT 课程项目：垂域大模型实操 + DeepSpeed多卡SFT、RM、RLHF、DPO训练 进阶专题：手撕LLaMA、手撕RL、手撕RLHF PPO(Notebook)、LLM加速、LLM分布式训练、 入门要求：Pytorch+神经网络或深度学习基础 授课形式：每周2章节直播，5周上完前10章节 价格：私聊单独咨询 实操效果：本课程代码仓库MA-RLHF，多卡训练DPO+PPO，4x3090 DPO训练成本低至百元 二、课程目录
详细目录：第9/10章节-RL/RLHF
第11章节-LLM加速（以长文档形式授课）
第12章节-LLM分布式训练（以长文档形式授课）
三、课程内容详情
3.1 课程直播+录播
已成功开展 6 期【手撕LLM+RLHF】课程
在线直播授课、随讲随答，即刻解疑瞬间秒懂, 直播课程会进行录制，便于课后随时学习。
3.2 课件PPT
每章均有完整PPT，图解复杂公式、代码实现细节， 1比1复现原论文
完整构建LLM知识体系， 拒绝知识碎片化
3.3 源码工程+Notebook
pytorch工程，代码精简，全部调试可运行，CPU都能Run的代码
复杂代码Notebook随手debug，不惧手撕代码
非调包级工程、坚持逐行代码剖析算法原理，从代码视角，解密复杂的公式原理。
手撕RLHF PPO代码-Pytorch实现, 不依赖RL库
3.4 实操项目
实操项目1 ：垂域LLM微调Notebook
1个月从0搭建LLM，覆盖LLaMA-LoRA-Pretrained-sft-RM-RLHF
实操项目2 ：DeepSpeed + RLHF + DPO + PPO 代码仓库
DeepSpeed多卡RLHF-PPO训练实操
同时支持中文模型(baichuan2)垂领域大模型微调
LLaMA Pretrained + SFT
本课程提供的代码仓库，DPO 安全对齐效果
4x3090(24GB) DPO训练成本低至百元
PPO训练效果
（注：不提供算力，本课程所提供项目可在多卡环境一键运行，能低成本run出大模型项目）
我是小冬瓜AIGC，原创超长文知识分享
原创课程已帮助多名同学上岸LLM赛道
知乎/小红书 ：小冬瓜AIGC
我是
小冬瓜AIGC，原创超长文知识分享原创课程已帮助多名同学上岸
LLM赛道
知乎/小红书：小冬瓜AIGC
微信咨询xiaodongguaAIGC
