《我的新培训后教材中你将会学到的5件有用知识》（现已发货！）

《我的新培训后教材中你能学到的5件实用知识》（现已发货！）

作者 Lambert 的新书《人类反馈强化学习：对齐与后训练大语言模型》已由 Manning 出版并正在发货。该书基于其长期运营的文档网站内容编写，旨在以直观方式解释后训练方法、权衡及常见误区，适合计算机科学学士学位以上读者。书中涵盖拒绝采样、结果奖励模型等主题，包含约 25% 的强化学习算法直觉讲解（如 PPO），并提供完整课程、代码库及模型对比。该书目前享有五折优惠，折扣码为 PBLambert，有效期至 8 月 19 日。