Welcome
Start Github
  梦想
享受当下做的每一件事 Live a Life You will Remember
Chapter6 经典 RLHF：奖励模型 RM + PPO（完整版） Chapter6 经典 RLHF：奖励模型 RM + PPO（完整版）
2026-05-22 学习笔记-大模型
AI AI面试知识
0. KV Cache 0. KV Cache
2026-05-14 学习笔记- AI Infra
AI AI Infra
2. 1F1B 2. 1F1B
2026-05-11 学习笔记- AI Infra
AI AI Infra
3. Interleaved 1F1B 3. Interleaved 1F1B
2026-05-10 学习笔记- AI Infra
AI AI Infra
1. GPipe:朴素流水线与 micro-batch 1. GPipe:朴素流水线与 micro-batch
2026-05-10 学习笔记- AI Infra
AI AI Infra
RL Chapter11 离线强化学习：BCQ、CQL、IQL 与 DPO 的渊源 RL Chapter11 离线强化学习：BCQ、CQL、IQL 与 DPO 的渊源
2026-05-10 学习笔记-强化学习
AI AI面试知识 强化学习
RL Chapter10 探索：从 ε-greedy 到 Curiosity RL Chapter10 探索：从 ε-greedy 到 Curiosity
2026-05-10 学习笔记-强化学习
AI AI面试知识 强化学习
RL Chapter13 RL × LLM 综述：PPO、DPO、GRPO 的统一视角 RL Chapter13 RL × LLM 综述：PPO、DPO、GRPO 的统一视角
2026-05-10 学习笔记-强化学习
AI AI面试知识 强化学习
RL Chapter4 Q-Learning 与 SARSA：从评估到控制 RL Chapter4 Q-Learning 与 SARSA：从评估到控制
2026-05-10 学习笔记-强化学习
AI AI面试知识 强化学习
RL Chapter5 Policy Gradient：直接对策略求梯度 RL Chapter5 Policy Gradient：直接对策略求梯度
2026-05-10 学习笔记-强化学习
AI AI面试知识 强化学习
1 / 21