تسلط بر مدل‌های استدلال: الگوریتم‌ها، بهینه‌سازی و کاربردها

مدرس Nayan Saxena

انتشار 2025/10/06

مدت زمان 1h 20m

سطح مناسب همه

فایل تمرینی ندارد

آموزش Mastering Reasoning Models: Algorithms, Optimization, and Applications

این دوره کاوشی جامع از مدل‌های استدلال مدرن ارائه می‌کند، با تمرکز بر نوآوری‌های الگوریتمی که مدل‌هایی مانند DeepSeek R1، OpenAI o1 و جایگزین‌های منبع باز آنها را تقویت می‌کنند. بر چهار رویکرد کلیدی برای ایجاد LLMهای استدلالی مسلط شوید: مقیاس بندی زمان استنتاج، یادگیری تقویتی خالص، SFT+RL و تقطیر دانش. از طریق مثال‌های عینی و غواصی عمیق فنی، نحوه پیاده‌سازی مقیاس‌بندی محاسباتی زمان آزمایش را بیاموزید، مکانیزم بهینه‌سازی خط مشی نسبی گروهی (GRPO) را درک کنید و خطوط لوله استنتاج کارآمدی را برای وظایف استدلال بسازید. در پایان دوره، شما باید هم دانش نظری و هم مهارت‌های عملی برای استفاده از این تکنیک‌های پیشرفته در برنامه‌های کاربردی خود داشته باشید، خواه با منابع در مقیاس سازمانی کار می‌کنید یا بودجه‌های محاسباتی محدودتری.

Artificial Intelligence (AI) مدل‌های زبان بزرگ (LLM)

Introduction

Why do you need reasoning models? ()

1. The Power of Reasoning Models

The Shift to Reasoning Models ()

The reasoning landscape ()

2. The Four Approaches to Building Reasoning Models

Inference-time scaling ()

Pure reinforcement learning (RL) ()

Supervised fine-tuning (SFT) and RL ()

Distillation and pure SFT ()

3. Test-Time Compute Scaling Deep Dive

Majority voting and self-consistency ()

Best-of-n and weighted aggregation ()

Beam search with process reward models ()

Diverse Verifier Tree Search (DVTS) ()

4. Reinforcement Learning for Reasoning

Beyond RLHF: Group Relative Policy Optimization (GRPO) ()

Reward functions for reasoning ()

The "aha moment": Self-verification through RL ()

5. Building Efficient Reasoning Systems

Compute-optimal scaling in production ()

Budget-friendly reasoning models ()

Balancing cost and performance ()

Conclusion

Future directions in reasoning LLMs ()

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.