Guía de pós-entrenamiento de LLMs publicada por Manning cubriendo métodos de RL y alineación

Un libro de texto completo sobre aprendizaje por refuerzo y post-entrenamiento de modelos de lenguaje ha sido publicado por Manning. El libro, titulado "Reinforcement Learning from Human Feedback: Aligning and Post-training LLMs," documenta metodologías clave de post-entrenamiento que carecían de documentación en línea sustancial en el momento de la publicación. El autor sintetizó publicaciones de blog e investigación fundacional para crear una guía intuitiva que cubre temas incluyendo rejection sampling, outcome reward models y character training, dirigida a lectores con formación en ciencias de la computación.