hands-on-modern-rl

这是一套面向实践的现代强化学习课程，系统覆盖从经典控制任务到大语言模型对齐（LLM Alignment）、RLVR及多模态智能体构建的完整技术路径。核心功能包括PPO/DPO/GRPO等算法的逐行代码实现、RLHF全流程解析、训练指标可视化诊断、工具调用型Agentic RL项目实战，以及VLM与具身智能等前沿方向延伸。课程以PyTorch为框架，强调公式到可运行代码的落地，适合AI研究人员、工程师及希望深入掌握LLM后训练与智能体系统开发的学习者使用。