本课程系统介绍基于昇腾MindSpeed RL套件的大模型强化学习后训练全流程技术。内容涵盖从行业趋势洞察、强化学习核心理论（如GRPO算法），到MindSpeed RL套件的训推共卡、0冗余内存调度、流式数据引擎等关键技术详解，并包含完整的实操演练。课程旨在帮助学员深入理解强化学习如何驱动大模型性能跃迁，并掌握使用MindSpeed RL套件进行高效、稳定RLHF/RLTF训练的工程实践能力，从而具备在企业级场景中部署和优化大模型后训练流程的核心技能。 第一章 强化学习趋势洞察 第二章 强化学习基础理论 第三章 昇腾强化学习解决方案 为了更高效、准确地传递课程内容，我们采用了语音合成技术，降低人工录制环节的不确定性。目前AI语音可能还不够完美，我们将努力优化播讲效果，力求给您更好的学习体验，同时也欢迎大家推荐更好用的语音合成引擎——您的声音对我们非常重要！