• 如何通过角色设定与多样化数据生成提升模型在数学、推理、编程等领域的能力
• 从指令微调（SFT）、人类反馈强化学习（RLHF）、直接偏好优化（DPO）到带可验证奖励的强化学习（RLVR）等多种后训练技术
• 基于规则与自洽性检测的数据筛选方法，确保高质量、高多样性
• 测试时推理扩展技术（如 S1 方法、自我引导增强生成 Self-REG），以及结合检索、批判与改进的闭环推理流程
• 开放数据集、工具链与演示平台的使用，让研究者和开发者可以直接在开放环境中复现和拓展方法

本课程围绕“开放训练方案下的语言模型推理能力提升”展开，由华盛顿大学与 AI2 团队的 Hanna Hajishirzi 教授主讲，系统分享了从预训练、后训练到推理阶段（尤其是测试时推理扩展）的最新研究与实战方法。课程强调构建完全开放且可复现的语言模型生态，包括开放语言模型 OLMo 与开放后训练方法库 Tulu，覆盖数据采集、模型训练、能力评测到开放部署的全过程。

本视频为公开课，订阅成功后，即可通过“极客时间”App 端、小程序端、Web 端永久阅读。