大模型自信心崩塌！谷歌DeepMind证实：反对意见让GPT-4o轻易放弃正确答案
研究发现，大语言模型如GPT-4o和Gemma 3在面对反向意见时过度敏感，并且会轻易改变初始答案，这与其记忆机制有关。研究表明，缺乏记忆的模型可能更容易动摇。
RLHF
难度爆表！从 LLM 到 Infra，手撕 5 大并行训练算法
现高校LLM对齐研究课程介绍，涵盖手撕PyTorch五大并行算法DP、TP、PP、CP和EP，以及Backward梯度计算与重叠通信技术。课程内容丰富，提供多卡DeepSpeed RLHF训练及垂域大模型实操项目。
unsloth制作了一份关于大模型强化学习的完整指南
Unsloth发布了关于大模型强化学习的完整指南，涵盖目标、关键作用及在AI代理中的应用等内容，并提供了GRPO、RLHF、DPO和奖励函数的相关信息。
