AI宝库

AI宝库首页 › AI 资讯 › 构建自有理性模式:全视频课程

构建自有理性模式:全视频课程

来源:Sebastian Raschka · 发布时间:10-24 · 由 AI宝库每小时自动聚合

超过11小时的编码视频,涉及评价,推论时间缩放,强化学习,分馏,有Python和PyTorch.

包括最近一篇关于当代LLMs控制推理水平机制的文章。 理性模型仍然一如既往地具有相关性。 事实上,今天几乎所有的当代LLMs都是推理模型或提供推理模式。

对于那些对推理模型如何工作感兴趣的人,包括推论缩放,强化学习,和分解,我写了最近我所写的"构建理性模型"(出自"分解"),这个模型从PyTorch的地上执行这些,根据我的经验,这仍然是理解和学习事物如何真正工作的最好方法。

在过去几个月里,我还坐下来录制了我想与你们分享的讲座。 因此,下面,你会找到8个推理模型-从scratch编码视频(内容11小时).

我们从一个经过预先训练的LLM开始,并在Python和PyTorch执行评价和改进的方法。 因此,如果你喜欢我的编码LLMs 从去年的"地上"课程,这基本上是续集(但你也可以不以先前的课程为先决条件观看).

下个月我将会回来,在此期间,我希望你能享受编码!

LLMs,推理模型,和agents的关系和相接方式

我经常被问及推理模式与今日的AI agents有何关系

一个推理模型本质上是从传统的LLM升级而来,即通过可核查的奖励(和可选的推论缩放技术)的强化学习来增加更多的后训练,使其更有能力解决更具有挑战性的问题。 经典地,推理模型是为数学和代码所开发的,但能力也可以被概括到其他问题领域。

一个推理模型然后作为agent拉带内部的引擎发挥作用,其中agent拉带是一个围绕LLM/推理模型的软件或工具框架,可以解决更具有挑战性的问题(bigger编码任务,旅行预订,以及所有其他类型的个人助理任务). 牵引装置的任务是复杂的上下文管理并让LLM获得工具。

图1:常规LLMs,推理模型和agent牵引装置的引擎类比。 图片来自我编码Agent文章的组件。

在上图所描绘的这种类比中,模型是引擎,而agent将新增用上让我们用于各种事物的机械(作为从简单的聊天器界面上升级). agent既可以使用常规的LLM,也可以使用推理模型,但推理模型是比较典型的选择,因为它们的能力更强。 (如上所提到,大多数流源LLMs是具有可变推理努力设置的推理模型。 )

因此,底线是推理模型作为"引擎",仍然是理解现代LLM agents的重要组成部分。

上述专题的配套资源如下:

- 构建大语言模型(取自斯克勒克)书籍和视频

- 构建一个理性模型(取自"刮")书(和下面的视频)

- 关于Substack的编码Agent文章的组成部分

以下的视频专注于开发能够为这种系统提供动力的推理模型。

范围和先决条件

推理-从scratch视频聚焦于一个小型的预训Qwen3模型,我们自己在Python和PyTorch中执行推理方法。 从一个经过预先训练的模型开始,让我们集中关注有趣的部分:评价,推断时间的缩放,强化学习,和分馏。

关于先决条件,我建议对Python和PyTorch感到舒适。 我将推理材料设计为独立的内容,因此之前的"Build A Ligh Language Model"(从Scratch)内容被推荐,但并没有严格要求。

计算资源时,可以在CPU上通过早期的文本生成和评价实例来工作。 对于后期的实验,特别是训练,一个GPU使工作更加实用。 首个视频涵盖了设置和一些更多的建议;存储器还包括硬件和环境建议。

图2:涵盖的专题概述。

伴书

这些视频与我的书"构建一个理性模型"(From Scratch)相伴。 如果你想更详细地和以你自己的速度阅读解释,通过练习来工作,等等,我在此推荐这本书作为伴奏。

对于最深入的学习经验,我的建议是读出一章,通过它的代码和相应的视频一起工作,然后尝试练习。

本作取自"曼宁"和"Amazon",印刷版取自"彩相"!.

图3 Build a Reasoning Model(从斯克勒克)印刷本的随机摘录。

感谢所有收到副本或推荐给朋友的人。 你的支持帮助我不断制作这些材料。

视频

最后,更简短、更注重概念的概述,我还建议我关于链接的AI理性模型课程在学习中(在通过该链接访问时24小时应该免费)

课程约90分钟,并解释了推理模型是如何工作的,涵盖了推论-时间缩放,强化学习,和分馏的主要思想。 如果你喜欢主要想法

为了了解这篇文章的主要内容,这里是八大讲座视频。

1. 动机和代码设置

第一部影片以解释常规LLMs,推理模型与agents的关系为开头。 接下来,视频的主要话题是建立编码环境。 这包括安装Python和PyTorch的依赖(与uv)等。 我还讨论了硬件选择和共同设置问题。

涵盖的专题

- 常规LLMs、推理模型和agent牵引装置之间的关系

- 通过执行守则学习的益处

- 这一系列视频的范围

- 安装 Python 依赖

- 选择硬件并检查CUDA或Apple硅支持

- 使用具有VS代码的远程GPU,并排除环境出问题

观看视频 1 —— 设置指令

2. 装入基本模型、文本生成和 KV 缓存

在即将到来的视频中加入推理方法之前,我们需要一个工作基础模型。 与其从零开始训练它,因为这将是另一本完整的书(参见Build A Lige Language Model(从"斯克勒克"开始)),不如从预先训练过的模型开始。

在这里,我们加载Qwen3 0.6B型机的前训练重量。 然后,我们通过流出式文本生成器实施文本生成过程,并添加了KV缓存和模型编译来提高文本生成效率。

这些执行情况为我们提供了基线和基本内容,我们将在以下视频中评价和改进。

涵盖的专题

- 将文本编码为符号并重新编码为文本

- 下载Qwen3重量并装入选定计算设备上的模型

- 翻过收音机形状、记录和下一个预测

- 实施贪婪的解码和流出文本生成

- 处理序列终结符并测量生成速度

- 添加 KV 缓存以再利用注意键和值

- 将 KV 缓存与火炬相混合。 编译并比较硬件性能

观看视频 2 —— 第2章代码

3. 建立评价和强化学习核查机构

在这个讲座中,我们一步一步地建立一个数学答案验证器,从答案提取到正常化和检查数学等同性。 然后用它来评估MATH-500上的模型。

我们用这个验证器来评价基模在MATH-500评价数据集上的性能。

然而,核查员在系列的后期也有第二个工作:为强化学习提供可核查的奖励信号(RLVR).

涵盖的专题

- 核查人介绍及其如何融入LLM评价方法(其他方法载于本书附录)

- 将回答核查作为RLVR的奖励信号(详见第6章)。

- 核查者流动,包括提取最后答案、使答案正常化并检查数学等同性

- 为MATH-500建造一个回答分级器和评价循环

- 比较MATH-500的基础和推理模型

观看视频 3 章码

4. 推断时间尺度:采样和自我一致性

现在,我们探索改进答案的方法,同时保持模型重量的固定。 但在执行具体的推论分级技术之前,我们首先执行方法,从同一个快取生成不同的答案(这是专有LLM聊天器的标准做法,如ChatGPT).

具体地说,我们实施温度缩放、多分子取样和上p过滤,以产生各种不同的反应。 然后,我们通过自我一致性,利用多数人对其最后答复的投票,将多种反应结合起来。

我们还审查了答案准确性和产生更多候选人所需的额外计算之间的取舍。

涵盖的专题

- 比较在培训和推论期间如何额外计算效益模型的业绩

- 温柔的引言推论通过思维链的提示

- 实施温度缩放和多名抽样,以产生不同的答案

- 添加上p过滤器以控制不同答案的质量

- 通过自我一致来综合候选人的答案,这是最受欢迎的推论缩放技术之一

- 评价MATH-500的准确性与额外推论计算的费用

观看视频 4 — 第4章代码

5. 推断时间尺度:评分和自我改进

在之前的视频的基础上,我们执行评分功能,以比较来自同一提示的多个答案。 我们还可以使用这些评分方法,在自我一致性上断绝关系(在前一次讲座中涵盖).

这里覆盖的评分方法包括计算符和序列日志概率(这在后期的强化学习章节中也将相关). 然后我们实施一个自我完善的循环,其中模型批评一个答案并试图修改。

评价让我们检查这些额外步骤对我们的模式有多大用处。

涵盖的专题

- 利用评分功能比较多个答案并断开联系

- 实施简单的高压计分器

- 计算符号概率和序列可能性(也与以下讲座有关)

- 利用日志概率来提高数值稳定性

- 为提出批评和订正答案建立自我完善循环

- 评估MATH-500上的自我改进

观看视频 5 章代码 5

6. 强化学习:为RLVR实施GRPO

在这次讲座中,我们着手实施一种培训技术,称为“强化学习与可验证奖励”。 我们首先实施简化版的"集团相对政策优化"(GRPO),生成各组回复,与我们的核查员评分,并在培训期间使用他们的相对奖励来更新模型重量。

涵盖的专题

- 生成推理痕迹并理解答案长度和解决问题能力之间的关系

- 讨论和比较两个重要的LLM培训后方法:强化学习与人类反馈(RLHF)和强化学习与可验证奖励(RLVR)

- 将核查分数转化为奖励和相对优势

- 计算序列日志概率和简化的GRPO损失

- 将训练循环与伐木和检查站储蓄结合起来

- 评价检查站并检查培训稳定性和记忆需要

观看视频 6 章代码

7. 强化学习:跟踪、剪接

本文由 AI宝库自动抓取并翻译,版权归原作者所有;如需查看原文请点下方链接。

相关 AI 工具

AutoCaptioner

AutoCaptioner 是浏览器中的 AI 视频字幕生成与编辑工具,可生成字幕、调整文本和时间轴、套用字

Coursera

知名MOOC平台,提供众多人工智能和机器学习课程

DeepSwapAI

DeepSwapAI 是在线 AI 换脸工具,支持照片、批量照片、合照多脸、视频和 GIF。官网要求用户年满

Elements of AI

免费在线AI通识学习课程

相关免费羊毛

Google Cloud Shell

免费云端 Linux 终端(5GB/每周 50 小时)

Google Colab

免费 GPU 笔记本(T4/L4)

JetBrains

学生免费全套专业 IDE

Kaggle

免费 GPU/TPU 算力(每周 30 小时)

阅读原文(magazine.sebastianraschka.com)

标题、摘要与正文均来自该信源的公开页面,版权归原作者所有;本站自动聚合与翻译,仅作出处跳转。

← 返回 AI 资讯列表AI工具图鉴首页

返回 AI宝库首页 · 提交工具 · 商务合作 · 关于本站 · 589 款 AI 工具分类导航 · 每日 AI 热门项目与动态