LLM-RL-Visualized

收录理由

这个仓库收录了上百张原创手绘示意图，把大语言模型和强化学习算法的内部机制一步步拆开来讲，从Transformer结构、注意力机制，到SFT、LoRA、DPO、RLHF、PPO、GRPO，再到CoT、MCTS这类推理方法，全都画成了可无限缩放的SVG矢量图。它不是能跑的代码，而是一套学习素材，适合想搞懂或想讲清这些系统的人——从MDP基础到现代策略梯度训练的脉络，在同一个图集里就能顺下来。开发者接项目前想快速回顾、学生准备面试、或者要给团队解释RLHF的取舍又不想含糊带过，这套图都能派上用场。配套的书籍提供了更详细的文字解读，作者也在持续勘误和扩充内容，所以GRPO、VLM这类较新的方法也会陆续补进来。