值得学什么
依据课程简介与章节推荐：从小型预训练模型出发，依次覆盖生成、答案验证、推理时采样、强化学习和蒸馏，适合把各步骤接成可理解的流程。
准备
熟悉Python和PyTorch；前期生成与评测可从CPU开始，后期训练更适合GPU。
动手试试
编辑建议：给答案验证器准备几组数学等价与不等价的表达，记录误判后再决定是否把它用于奖励；本期未执行此练习。
阅读依据
仅读取作者博客中的课程简介、前置要求和章节文字；未播放视频、未获取字幕。
视频仅依据标题、简介与章节推荐，未读取字幕。
训练与对齐 · 推理能力 · 评测与基准 · RLVR · Self-Consistency · Distillation