归档

全部文章 - 82
2026
Paper2PPT：从一篇论文到可编辑、可追溯 PPTX 的证据优先工作流
Paper2PPT：从一篇论文到可编辑、可追溯 PPTX 的证据优先工作流
Academic Paper Search：可复现的多源文献检索工作流
Academic Paper Search：可复现的多源文献检索工作流
PaperRefine：论文润色不只是换同义词，而是让主张回到证据边界
PaperRefine：论文润色不只是换同义词，而是让主张回到证据边界
SOL ENGINE：把 GPT-5.6 提示词优化变成可审计、可回归的工程流程
SOL ENGINE：把 GPT-5.6 提示词优化变成可审计、可回归的工程流程
WPIRONMAN Chat 正式上线：产品介绍与使用指南
WPIRONMAN Chat 正式上线：产品介绍与使用指南
我现在怎么做科研：从文献调研、实验到论文写作
我现在怎么做科研：从文献调研、实验到论文写作
我做了一个学术工作流助手：把选刊、前沿跟踪和 AI 预审串起来
我做了一个学术工作流助手：把选刊、前沿跟踪和 AI 预审串起来
层级结构 + 分布建模 + 原型演化
层级结构 + 分布建模 + 原型演化
Agentic RL：代码优先，理论辅助的实战法
Agentic RL：代码优先，理论辅助的实战法
Agentic RL：veRL AgentLoop 全流程与计算细节（Async Rollout、状态机、Tool-Interaction）
Agentic RL：veRL AgentLoop 全流程与计算细节（Async Rollout、状态机、Tool-Interaction）
Agentic RL：veRL Infra AgentLoop 代码串讲（Multi-turn 推理与 Ray Trainer）
Agentic RL：veRL Infra AgentLoop 代码串讲（Multi-turn 推理与 Ray Trainer）
Agentic RL：veRL Infra AgentLoop（AgentLoopManager、Async Rollout 与 Hybrid 推训）
Agentic RL：veRL Infra AgentLoop（AgentLoopManager、Async Rollout 与 Hybrid 推训）
Agentic RL：重新理解 DPO（KL 正则 RL、隐式奖励模型与缺陷）
Agentic RL：重新理解 DPO（KL 正则 RL、隐式奖励模型与缺陷）
Agentic RL：分布视角理解 SFT 与 RL（Forward/Reverse KL、分布与奖励）
Agentic RL：分布视角理解 SFT 与 RL（Forward/Reverse KL、分布与奖励）
Agentic RL：Reward Model Insights（Bradley-Terry、MLE 与深度学习）
Agentic RL：Reward Model Insights（Bradley-Terry、MLE 与深度学习）
Agentic RL：Tokenizer 编解码非对称性与 Token-in-Token-out（RL 训练崩溃的根因）
Agentic RL：Tokenizer 编解码非对称性与 Token-in-Token-out（RL 训练崩溃的根因）
Agentic RL：veRL MultiTurn Tool Use 与 Coding Agent SFT（Cold Start for RL）
Agentic RL：veRL MultiTurn Tool Use 与 Coding Agent SFT（Cold Start for RL）
Agentic RL：veRL FSDP SFT Trainer 补充（Teacher Forcing、Shift Labels/Logits、Loss Mask）
Agentic RL：veRL FSDP SFT Trainer 补充（Teacher Forcing、Shift Labels/Logits、Loss Mask）
Agentic RL：veRL FSDP SFT Trainer（SFT vs RL、交叉熵损失、Loss Mask、LR Scheduler）
Agentic RL：veRL FSDP SFT Trainer（SFT vs RL、交叉熵损失、Loss Mask、LR Scheduler）
Agentic RL：veRL 核心强化学习算法（GRPO、RLOO、REINFORCE++）与 Baseline 设计
Agentic RL：veRL 核心强化学习算法（GRPO、RLOO、REINFORCE++）与 Baseline 设计
avatar
WP
无业游民
文章
82
标签
192
分类
22
Follow Me
公告
学术助手已上线
期刊会议检索、前沿论文浏览和 AI 预审入口已经接进博客。
立即进入
最新文章
Paper2PPT：从一篇论文到可编辑、可追溯 PPTX 的证据优先工作流
Paper2PPT：从一篇论文到可编辑、可追溯 PPTX 的证据优先工作流
Academic Paper Search：可复现的多源文献检索工作流
Academic Paper Search：可复现的多源文献检索工作流
PaperRefine：论文润色不只是换同义词，而是让主张回到证据边界
PaperRefine：论文润色不只是换同义词，而是让主张回到证据边界
SOL ENGINE：把 GPT-5.6 提示词优化变成可审计、可回归的工程流程
SOL ENGINE：把 GPT-5.6 提示词优化变成可审计、可回归的工程流程
分类
标签
CleanRL 损失函数 transformer 视觉表征 Bellman Optimality 对比学习 Policy Gradient 研究生生活 algorithm Claude Code RLVR SGLang Introduction Function Approximation Ray Evaluation Batch Size 选择排序 Academic Paper Search GRPO Transformer Reinforcement Learning Lenet SSM 字符串 Agent Loop DPO 论文精读 堆 PyTorch queue deque Verifier vLLM 产品思考 Entropy RLOO Resnet Sarsa Self-Verification
归档
网站信息
文章数目 :
82
运行时间 :
本站总字数 :
186k
最后更新时间 :
总访问量：
加载中...