Awesome-LLM-Post-training

这是一个聚焦大语言模型（LLM）后训练技术的资源整理项目，系统梳理面向推理能力提升的Post-training方法。核心涵盖微调（Fine-tuning）、基于人类反馈的强化学习（RLHF）、奖励建模、测试时缩放（Test-time Scaling）等关键技术路径，并整合代表性论文、开源实现与评测基准。项目强调推理能力优化，适用于需要提升LLM逻辑推演、多步决策与复杂任务泛化能力的研究与工程场景，如智能体开发、科学问答与自主规划系统构建。