杨耀东
长期从事强化学习与对齐研究，代表性成果包括 PKU-Beaver、BeaverTails、Safe RLHF、Aligner 与 OmniSafe。大模型对齐综述提出 RICE 原则；论文《Language Models Resist Alignment》获 ACL 2025 最佳论文奖。自 2022 年起位列 CSRankings 北京大学 AI/ML 方向学者首位。
长期从事强化学习与对齐研究，代表性成果包括 PKU-Beaver、BeaverTails、Safe RLHF、Aligner 与 OmniSafe。大模型对齐综述提出 RICE 原则；论文《Language Models Resist Alignment》获 ACL 2025 最佳论文奖。自 2022 年起位列 CSRankings 北京大学 AI/ML 方向学者首位。
专注人工智能算法研发与工程实践，曾负责鹏城脑海 33B 大模型对齐工作，搭建开源框架 X-R1，完整复现 0.5B 模型的“顿悟时刻”。以为名输出原创技术博客，主讲的系列课程已帮助学员进入 OpenAI、Meta 与字节跳动等企业。
来自北大、清华、复旦、交大与哈工大的学者与产业专家，从教材体系、课程可用性与工程落地三个角度给出评述。
16 课时配套课件，与教材正文内容对应。课件既可按页做图片预览，也可在本站按课时在线阅读。
多数教材讲一个算法，止步于“它是什么、有什么好处”。本书从问题动机出发，落到定义，再把“为什么非要这样写”推成可验算的式子，最后给出实现上的取舍。下面三个例子取自不同章节，走的是同一条路：问题动机 → 定义出发 → 算法推导 → 实现技巧。
精读样本 · 建议先看仓库按章组织，src/ 下每个 .py 对应书中一处算法或一幅插图；仅依赖 PyTorch 与 Matplotlib，无需额外环境。下面的输出来自真实运行，完整说明按知识点分成六页，见运行示例。
纸质版由清华大学出版社出版，京东、淘宝 / 天猫与当当同步销售。扫码或点“前往购买”直达商品页。