Manuel RLHF : aligner et post-trainer les LLM

Nathan Lambert publie son ouvrage chez Manning, intitulé Reinforcement Learning from Human Feedback. Ce livre documente les méthodes de post-training et d'alignement des LLM, expliquant les techniques fondamentales comme le rejection sampling et les outcome reward models. L'auteur vise à clarifier les intuitions et l'histoire de ces processus techniques pour combler un manque de ressources pédagogiques.