Guia de pós-treinamento de LLMs publicado pela Manning cobrindo métodos de RL e alinhamento

Um livro abrangente sobre aprendizado por reforço e pós-treinamento de modelos de linguagem foi publicado pela Manning. O livro, intitulado "Reinforcement Learning from Human Feedback: Aligning and Post-training LLMs," documenta metodologias-chave de pós-treinamento que careciam de documentação online substancial no momento da publicação. O autor sintetizou posts de blog e pesquisa fundacionais para criar um guia intuitivo cobrindo tópicos incluindo rejection sampling, outcome reward models e character training, direcionado para leitores com formação em ciência da computação.