手撕LLM+RLHF+VLM+o1推理，我全都要!!!

小冬瓜AIGC原创超长文知识分享

原创课程已帮助多名同学上岸LLM赛道

知乎/小红书 ：小冬瓜AIGC

o1模型展现了惊艳的推理能力

RL+搜索起到了关键的的作用

【手撕LLM】课程更新第14章节手撕o1推理 

部分手撕算法notebook

文档

以上仅摘选第14章节内容

完整课程详情如下

一、课程概况

• 课程内容：直播 + 往期录播 + 手撕级Notebook + 非调包Code + 算法图解 + 课程PPT

• 课程项目：垂域大模型实操 + DeepSpeed多卡RLHF训练

• 进阶专题：手撕o1推理、手撕RL、手撕RLHF、手撕多模态VLM、LLM加速、LLM分布式训练、手撕RLHF-PPO Notebook

• 实操效果：本课程Code仓库，实战多卡训练，已全线支持Llama-3-8B/70B的SFT/DPO/PPO训练；低成本百元 8B DPO训练

• LLM社群：学员超过50%来自海外。部分就业于北美大厂META、微软、亚麻、苹果、谷歌、TikTok和eBay等，海外学历背景PhD居多，MIT、宾大、UIUC、NYU、UCL等；国内清华、复旦居多。（教学成果详见下文）

• 价格：单独咨询

二、课程目录

详细目录：第9/10章节-RL/RLHF

第11章节-LLM加速（以长文档形式授课）

第12章节-LLM分布式训练（以长文档形式授课）

第13章节-手撕多模态VLM（以长文档+手撕代码形式授课）

第14章节-手撕o1推理（以长文档+手撕代码形式授课)

其他新增内容

1. Notebook：MCTS, BPE, BeamSearch, AutoGrad, CrossEntropy, PPL, Layernorm Backward, Tensor Parallel, BTModel, DPO, IPO, KTO, NTK-RoPE, Llama-3-GQA, MoE

2. 测评：vllm推理部署、CMMLU、MMLU、CEVAL、safety测评

三、课程内容详情

3.1 实操项目

实操项目1 ：垂域LLM微调Notebook

• 1个月从0搭建LLM，覆盖LLaMA-LoRA-Pretrained-sft-RM-RLHF

 实操项目2 ：DeepSpeed + SFT + DPO + RLHF-PPO 代码仓库

DeepSpeed多卡RLHF-PPO训练实操代码仓库

Llama-3-8B 全流程实操训练效果

基于Llama-3-8B 预训练模型，混合中英alpaca和ruozhiba数据; 全参微调SFT，轻松回复ruozhiba问题

QLoRA高效微调DPO、Reward Model和PPO

低成本即可 run 出项目效果

课程Llama-3-8B PPO 训练模型效果

项目新增70B SFT/DPO/PPO 训练方案

70B 模型PPO 训练耗时

实践平台：A100(80G)x8

3.2 课程直播+录播

• 在线直播授课、随讲随答，即刻解疑瞬间秒懂, 直播课程会进行录制，便于课后随时学习。

3.3 课件PPT

• 每章均有完整PPT，图解复杂公式、代码实现细节， 1比1复现原论文

• 完整构建LLM知识体系， 拒绝知识碎片化

3.4 源码工程+Notebook

• pytorch工程，代码精简，全部调试可运行，CPU都能Run的代码

• 复杂代码Notebook随手debug，不惧手撕代码

• 非调包级工程、坚持逐行代码剖析算法原理，从代码视角，解密复杂的公式原理。

手撕RLHF PPO代码-Pytorch实现, 不依赖RL库

LLM中的RLHF-PPO算法复杂, 逐行手撕LLM中的PPO算法, 主要通过Pytorch实现。

包含4个模型：Ref/Actor/Critic/Reward、PPO采样及训练流程、Loss计算Actor Loss+Critic Loss+Entropy、reward+KL散度...

四、LLM社群 & 教学成果

4.1 内部LLM社群

• 学员超过50%来自海外，北美PhD居多

• 部分学员就职：META、微软、亚麻、苹果、谷歌、TikTok、高通和eBay等，部分阿里、百度、腾讯和华为等

• 学历背景：海外MIT、宾大、UIUC、NYU、UCL等；国内清华、复旦居多。

• 部分学员本身从事 LLM 相关岗位精进，有的本身就在各大厂做 LLM 相关的负责人，手上也有HC，能直接接触到一线的机会

4.2 教学成果(已知部分展示）

• 1️⃣ 【海外】META E5 Senior

• 2️⃣【海外】TikTok核心部门，总包翻番至200+，DS转MLE

• 3️⃣【国内】清华硕0LLM经验，总包70翻番至130+，成功上岸LLM

• 4️⃣【海外】应届PhD上岸亚麻做 Researcher

• 5️⃣【海外】制药公司获得晋升拿下GenAI组Leader

• 6️⃣【国内】科大讯飞高岗

• 7️⃣【国内】社科女PhD凭借RLHF成功拿到国内多家高校副教授教职及北航师资博后

• 8️⃣【国内】40岁失业，0 LLM经验，撸课后成功入职深圳某LLM公司(非大厂）

• 9️⃣【国内】北美本硕收获 3 offer

• 1️⃣0️⃣【海外】北美同学拿下顶尖实验室合作机会

• 1️⃣1️⃣【国内】复旦应届生物信息硕士拿下LLM工作(理想/盛大)

• 1️⃣2️⃣【海外】PhD凭借课程学习成功抓住公司内部大模型业务负责人机会

• 1️⃣3️⃣【国内】资深NLP工程师成功收获大模型远程工作机会

• 1️⃣4️⃣【国内】百川入职医疗业务

（注：不提供算力，本课程所提供项目可在多卡环境一键运行，能低成本run出大模型项目）

我是小冬瓜AIGC，原创超长文知识分享

原创课程已帮助多名同学上岸LLM赛道

知乎/小红书 ：小冬瓜AIGC

微信咨询xiaodongguaAIGC