Welcome
  Post Tags
AI 61 Attention 1 深度学习 4 Transformer 2 数学 6 其他 9 Hexo 6 教程 4 EJS 2 CSS 2 博客 1 调试 2 JavaScript 2 前端 1 ChatGPT 1 NLP 1 RoPE 1 AI Infra 15 HTML 1 日记 2 Python 17 tkinter 1 GUI 1 PyTorch 2 AI面试知识 24 强化学习 14 ACM/OI 99 算法 58 数据结构 3 codeforces 14 icpc 34 算法竞赛 23 动态规划 9 ACM, 1 并查集 1 ACM组合计数 1 c语言 7 Codeforeces 3 C++ 6 c++ 26 数位DP 1 Codeforces 7 acm竞赛 8 ACM/OI, 2 思维 1 ACM 4 递归 1 树 1 递推 2 AtCoder 1 ICPC 4 ACM差分约束 1 图论 4 拓扑排序 1 二分图 1 leetcode 1 贪心算法 1 博弈论 1 ICG 1 SG函数 1 CUDA 1 Triton 1 线性代数 1 组合数学 1 数学期望 1 几何 1 Diffusion Models 9 推荐系统 7 协同过滤 1 推荐算法 3 推荐算法-基础推荐模型原理与实现 3 BPR 1
RL Chapter9 DDPG 与 SAC：连续控制的两个里程碑 RL Chapter9 DDPG 与 SAC：连续控制的两个里程碑
2026-05-10 学习笔记-强化学习
RL Chapter8 TRPO 与 PPO：信赖域与策略梯度的工程化 RL Chapter8 TRPO 与 PPO：信赖域与策略梯度的工程化
2026-05-10 学习笔记-强化学习
RL Chapter1 MDP 与 Bellman 方程 RL Chapter1 MDP 与 Bellman 方程
2026-05-09 学习笔记-强化学习
RL Chapter0 全景与起源：从 Thorndike 的猫到 DeepSeek-R1 RL Chapter0 全景与起源：从 Thorndike 的猫到 DeepSeek-R1
2026-05-08 学习笔记-强化学习
Chapter0 全景导读：LLM 训练全链路学习路径 Chapter0 全景导读：LLM 训练全链路学习路径
2026-05-07 学习笔记-大模型
Chapter8 推理时代与 AI Feedback：GRPO、PRM、RLAIF、Constitutional AI Chapter8 推理时代与 AI Feedback：GRPO、PRM、RLAIF、Constitutional AI
2026-04-05 学习笔记-大模型
Chapter7 离线对齐：DPO 家族（IPO/KTO/ORPO/SimPO） Chapter7 离线对齐：DPO 家族（IPO/KTO/ORPO/SimPO）
2026-04-03 学习笔记-大模型
推荐算法Chapter1.1 数据预处理与特征工程 推荐算法Chapter1.1 数据预处理与特征工程
2026-04-02 推荐系统
Chapter6 经典 RLHF：奖励模型 RM + PPO Chapter6 经典 RLHF：奖励模型 RM + PPO
2026-04-01 学习笔记-大模型
Chapter5 SFT 与参数高效微调：MLE、LoRA、QLoRA Chapter5 SFT 与参数高效微调：MLE、LoRA、QLoRA
2026-03-30 学习笔记-大模型
2 / 3