作者宣布了八段讲座视频(11小时),作为《Build a Reasoning Model (From Scratch)》一书的配套内容,教授如何从预训练的 Qwen3 0.6B 模型出发,在 PyTorch 中实现推理方法。主题包括带 KV 缓存的文本生成、构建用于 MATH-500 评测的数学验证器、通过温度/top-p 采样与自一致性进行推理扩展、自精炼、带可验证奖励的强化学习(GRPO)、以及从教师模型蒸馏。作者解释说,推理模型是智能体框架内的引擎,为具有挑战性的任务提供更强大的大语言模型。前置要求是 Python 和 PyTorch;早期示例可在 CPU 上运行,而训练需要 GPU。本书(Manning/Amazon)提供详细解释与练习。LinkedIn Learning 上还有更短的 90 分钟概念课程。作者将短暂休息,下月带着更多大语言模型研究综述回归。
Pharo 14 已发布。Pharo 是一种纯粹的、开源(MIT)的面向对象语言和实时开发环境,专注于简洁性和即时反馈,配备高级调试器和社区驱动的生态系统。此版本专注于现代化开发工具、重建重构/命令基础设施以及现代化虚拟机。工具更新包括 Mission Control、Pulse、重新设计的 Method 和 Settings 浏览器,以及将 Epicea/ProfStef 迁移到 NewTools。重构命令现在在统一注册表后面使用基于驱动的架构,扩展了 CLI 测试/调试和 Sindarin 工具。虚拟机改进包括统一的帧/栈管理、RISC-V JIT 支持、增强的内存管理、Slang/C 编译以及跨平台构建现代化。发布周期现在为九月至十一月。Pharo 14 反映了 978 个拉取请求、616 个已关闭的问题和广泛的社区贡献。