提供 20 多个高性能大语言模型的训练配方，覆盖预训练、微调和规模化部署全流程，适合想快速上手 LLM 训练与推理的开发者。

一门小课程，教你搭建强化学习环境来评估和训练语言模型，涵盖 GRPO、RLVR 和井字棋等实例。