Себастьян Рашка выпустил бесплатный курс по обучению reasoning-моделей и открыл код все...
Себастьян Рашка выпустил бесплатный курс по обучению reasoning-моделей и открыл код всех материалов. Reasoning-модели решают задачи через промежуточные рассуждения. Курс показывает, как устроено их обучение, на примере небольшой Qwen3-0.6B: весь код можно запускать самостоятельно и наблюдать, как меняется поведение модели. Начинать с нуля не придётся: за основу взята уже готовая небольшая модель. Дальше — практический путь от поиска разных решений одной задачи до автоматической проверки ответов и обучения по вознаграждению, когда модель получает оценку за результат. Отдельно разбирается GRPO — метод, в котором ответы оценивают относительно других ответов в группе и используют эти оценки для обучения. В процессе можно увидеть и то, как модель порой находит способы обойти саму систему вознаграждений. Ещё один этап — обучение более компактной модели на данных рассуждений DeepSeek-R1. Так можно не только прочитать об устройстве подобных моделей, но и пройти этапы обучения своими руками, отслеживая изменения в их поведении. Код и материалы доступны в репозитории reasoning-from-scratch. Материалы: — GitHub — rasbt/reasoning-from-scratch: https://github.com/rasbt/reasoning-from-scratch Источник: https://t.me/vibecoding_tg/4177 #RealVibe #AI #VibeCoding