しののめ専用推し活クレカ誕生！！ 普段のお買い物で使うだけ決済金額の一部が活動資金として還元され、さらにNudgeだけの限定特典がもらえます！ オリジナルデザインカードも発行！ Nudgeでしか手に入らない限定デザインです✨ 新規はこちらから #Nudge# #ナッジカード#

地味に嬉しいFigmaの機能（こんなのいつの間についてたんだろう） 複数シェイプを選択して、高さの数値を矢印で操作するとそれぞれのシェイプに同じ数値分高さがプラスされる！ ※Shift＆ナッジを8pxにしてるので8ずつ動いてる。

TL;DR: 「あなたが使うモデルは、事前学習されたモデルではない」。基盤モデルを役立つ行動方針に変えるポストトレーニングを、模倣→比較→探索→検証→転移→予期の6段階で一望できる87枚の講義デッキです。 タイトル: Post-Training LLMs（Kawin Ethayarajh, AI and Economics Summer Institute 2026） URL: ポイント 📝 SFT: デモを見せて模倣。計画やツール利用を含む軌跡全体を教えられるが、本質は模倣 ⚖️ オフライン選好最適化: 勝ち負けの比較で学ぶ。DPOは報酬モデルを省略、KTOは結果単位で学びSFT不要 🎲 オンラインRL: 現方策が探索。REINFORCE/PPO/GRPO、報酬はほぼ系列単位 ✅ RLVR: 報酬モデルをチェッカーに置換。二値の合否で十分、RLHFより予測可能にスケール 🧪 環境: RLはタスク+データ+インターフェース+テストのサンドボックス。ボトルネックは例から環境へ 🔁 On-Policy蒸留: 生徒の軌跡を教師が採点。RLの方策を7〜10倍少ないステップで複製 🌐 World Adaptation: 環境がエージェントに適応し返す。機械可読性を高める「メカ・ナッジ」 経済学の視点も織り込んだ、実務者に効く体系的な地図です。 #LLM# #PostTraining#