Agent 后训练五步课程：从 SFT 到真实 harness 上的 RL 全流程开源

Sergio Paniego 将 Agent 后训练整理为五步开源课程，覆盖 SFT、on-policy 蒸馏、RL 和 RL environments，并提供直播、代码与文档。课程还解析了远程沙箱运行真实 harness、生成与训练使用独立 GPU，以及 AsyncGRPQTrainer 异步回传新权重等架构细节。