我们要逐步理解：一个处理文字的模型，怎样成为能学习、回答、利用反馈与外部信息，并接受验证的系统？每一段先解决一个问题，再带着新问题进入下一段。
按理解依赖顺序学习：PPO、DPO、GRPO 用于比较不同方法；搜索、工具、RAG 与世界模型是可组合的能力。实际项目可按任务选用。点任意一课可进入学习。
先读定义、名字与用途，用小例子建立印象，再展开机制、动手计算和检查理解。每课末尾会解释它承接了什么，以及下一课为何出现。
每课建议 30–50 分钟，可拆两次学习。学习节奏由你决定：先做预测，再算例子，最后尝试不用术语复述机制。自测完成只表示答对该题，不代表掌握全部细节。
本课程覆盖核心机制和小型算例；Muon、分布式训练、weak-to-strong、完整世界模型实现等仍属后续专题，不在这里声称已经掌握。
2026-10-13 扩充。中文讲解、顺序和示例为独立编写，不是以上机构的官方课程。教学数字不代表真实模型结果。离线可学习，外部阅读需联网。旧版12课的答题进度按对应主题迁移，新课未完成。