Sebastian Raschka публикует полный курс по созданию собственной reasoning-модели
Raschka опубликовал восемь лекций с кодом, около 11 часов, которые собирают reasoning-модель из предобученной LLM на PyTorch: оценка, масштабирование на этапе инференса с сэмплированием и self-consistency, скоринг и self-refinement, реализация GRPO для RLVR с клиппингом и KL-членами и дистилляция в меньшую модель. Пост открывается разделом о том, как reasoning-модели вписываются в агентную обвязку.
Почему это важно
Самый полный открытый разбор стека от RLVR до дистилляции на уровне кода.
Важность: 2/5
Заметный образовательный релиз, без новой модели или результата.