想系统补强化学习和测试时计算，这门课值得排进日程：Sebastian Raschka 的《Building Reasoning Models from the Ground Up》完整视频系列上线了，8 支视频、11 个多小时，全程手写代码。
路线是从一个预训练模型出发（Qwen3 0.6B），用 Python 和 PyTorch 把推理模型从头实现一遍：先搭评测器，在 MATH-500 上测出基线；再做推理时扩展，温度采样、多样性生成、自一致性投票、Best-of-N、自我精修；然后上强化学习，用可验证奖励的 GRPO 训练，最后讲蒸馏。配套代码库和同名书同步更新。
前置要求不高，会 Python 和 PyTorch 就能跟，前面的从零搭大模型系列不是硬性前置。前期文本生成和评测在 CPU 上能跑，后期训练建议有 GPU。想先看概念版，还有一门 90 分钟的 LinkedIn Learning 课做概览。
课程文章地址：https://magazine.sebastianraschka.com/p/building-reasoning-models
正文完