Sebastian Raschka于2026年10月前正式发布视频课程《Build Your Own Reasoning Model: A Full Video Course》，共8集、总时长约11小时，配套出版书籍《Build a Reasoning Model (From Scratch)》（Manning/Amazon发行）。课程不从零训练基础语言模型，而是以开源小模型Qwen3-0.6B为起点，聚焦‘推理模型’（reasoning model）这一特定能力增强范式的技术实现，涵盖评估、推理时扩展（sampling/self-consistency/scoring/self-refinement）、强化学习（GRPO+RLVR）及知识蒸馏四大模块。
课程第6–8章构成训练技术核心：第6章构建含日志记录与检查点保存的完整训练循环，并实测稳定性与GPU内存占用；第7章深入RLVR训练监控，系统分析熵、优势值、裁剪策略比、KL损失项与格式化奖励等指标如何影响收敛行为及潜在奖励作弊风险；第8章基于DeepSeek R1生成的答案，在MATH-500数据集上完成软/硬蒸馏全流程——包括教师响应过滤、监督微调与蒸馏后评测。所有实验均强调‘可验证奖励’设计：数学答案验证器既是MATH-500自动评分工具，也直接作为RLVR的稀疏奖励信号源。
课程明确区分‘推理模型’（作为提升逻辑与数学能力的LLM内核）与‘智能体框架’（agent harness，负责上下文编排与工具调用），前置要求仅为Python与PyTorch基础，GPU仅在部分训练环节推荐而非全程必需。作者声明本系列是其前作《Build A Large Language Model (From Scratch)》的逻辑续作，但内容自洽、可独立学习；所有代码与结论均为教学演示性质，未宣称代表工业级方案或经第三方审计验证。文中‘当前主流LLM多为推理模型’系作者观点，非可验证事实。作者同步说明，课程内容更新将于2026年10月后暂停，下一轮LLM研究文章预计2026年11月起陆续发布。