推荐阅读
我读过、觉得值得推荐的文章。
2026
- Reinforcement Learning for LLMs: The Complete Guide我读过的 LLM-RL 介绍里最全的一篇。从价值函数、优势、KL、重要性采样这些基础讲起，经过 REINFORCE / RLOO 和 PPO，再到 GRPO 和它的一串改进（DAPO、GSPO、Dr. GRPO、CISPO），最后谈到 rubric 奖励、RL scaling law 和 agentic RL。推导和 PyTorch 代码都给全了，篇幅很长，适合收藏起来当手册翻。