Reinforcement Learning for Large Language Models. Making the hard math easy Arun Shankar, Mikhail Chertushkin, Ravi Rajamani
- Autorzy:
- Arun Shankar, Mikhail Chertushkin, Ravi Rajamani
- Wydawnictwo:
- Packt Publishing
- Ocena:
- Stron:
- 320
- Dostępne formaty:
-
PDFePub
Early Access
Uwaga! Ebook w usłudze Early Access – czytasz w trakcie pisania! Zyskujesz dostęp do najświeższej wiedzy na etapie tworzenia książki. Treść jest udostępniana stopniowo, rozdział po rozdziale, i może zawierać wersje robocze przed ostateczną redakcją. O każdej nowej aktualizacji powiadomimy Cię mailowo.
Planowany termin zakończenia prac to 2026-11-30. Termin ten ma charakter orientacyjny i może ulec zmianie w zależności od przebiegu procesu redakcyjnego, recenzji technicznych oraz tempa prac autorów.
Opis
książki
:
Reinforcement Learning for Large Language Models. Making the hard math easy
Start with the mathematical foundations of RL, then progress through supervised fine-tuning (SFT), reward modeling, reinforcement learning from human feedback (RLHF) with proximal policy optimization (PPO), direct preference optimization (DPO), and group relative policy optimization (GRPO). Each concept is reinforced with practical coding exercises and real model outputs, helping you understand the theory and its impact on model behavior.
Learn to fine-tune small open models (0.5B–1.5B parameters) with LoRA, mixed-precision training, and memory optimization. Examples are designed for accessible GPU environments, including free Google Colab sessions when available. You'll also explore process reward models, reasoning with GRPO, test-time compute, self-play, agentic systems, and debugging.
Written by senior Google Applied AI engineers, this book focuses on practical techniques used in real-world LLM development.
By the end of this book, you'll be able to implement, evaluate, and troubleshoot LLM alignment workflows while choosing methods that fit your data and compute budget.
*Email sign-up and proof of purchase required
Dzięki opcji "Druk na żądanie" do sprzedaży wracają tytuły Grupy Helion, które cieszyły sie dużym zainteresowaniem, a których nakład został wyprzedany.
Dla naszych Czytelników wydrukowaliśmy dodatkową pulę egzemplarzy w technice druku cyfrowego.
Co powinieneś wiedzieć o usłudze "Druk na żądanie":
- usługa obejmuje tylko widoczną poniżej listę tytułów, którą na bieżąco aktualizujemy;
- cena książki może być wyższa od początkowej ceny detalicznej, co jest spowodowane kosztami druku cyfrowego (wyższymi niż koszty tradycyjnego druku offsetowego). Obowiązująca cena jest zawsze podawana na stronie WWW książki;
- zawartość książki wraz z dodatkami (płyta CD, DVD) odpowiada jej pierwotnemu wydaniu i jest w pełni komplementarna;
- usługa nie obejmuje książek w kolorze.
Masz pytanie o konkretny tytuł? Napisz do nas: [email protected]
Książka drukowana

Oceny i opinie klientów: Reinforcement Learning for Large Language Models. Making the hard math easy Arun Shankar, Mikhail Chertushkin, Ravi Rajamani
(0)