工具

工地检测

友链

本站友链
随机开往
异次元之旅

搜索

工具

工地检测

友链

本站友链
随机开往
异次元之旅

标签

数据结构与算法二叉树二叉树遍历递归迭代回溯剪枝动态规划图论二分查找双指针数组滑动窗口矩阵规律前缀和链表哈希表查找 set map 字符串 KMP reverse 栈队列双端队列堆 queue stack deque Reward Model Verifier Self-Verification DeepSeekMath Reasoning Agentic RL 强化学习 PPO LLM RLHF RLVR Evaluation pass@k Perplexity vLLM REINFORCE KL Bradley-Terry MLE 概率建模 veRL verl Tokenizer Token-in-Token-out Agent Loop SFT FSDP Teacher Forcing Cross Entropy Loss Mask 推理部署性能优化显存分析 AgentLoop Async Rollout Tool Use Interaction Ray LR Scheduler 工程实践 Trainer Inference SGLang Multi-turn Coding Agent Cold Start GRPO RLOO REINFORCE++Baseline Batch Size Entropy Policy Gradient TRPO CleanRL Forward KL Reverse KL DPO Preference Optimization BERT Transformer 自然语言处理论文精读视觉表征 LeetCode 刷题记录算法 MAE 自监督学习 Vision Transformer Mamba SSM 序列建模混合专家系统对比学习 transformer STL vector string algorithm priority_queue GNN 图神经网络深度学习图像分类 Resnet Lenet CIFAR10 实例判别无监督学习生活随笔研究生生活 Vit 手撕代码排序冒泡排序选择排序插入排序快速排序归并排序堆排序优化器 SGD Adam 算法详解损失函数基础理论计算机视觉论文笔记思考线性表绪论监督学习 Reinforcement Learning Roadmap Introduction Math Probability Gradient Descent Martingale GridWorld Python Bellman Equation Bellman Optimality Dynamic Programming Algorithm Robbins-Monro Monte Carlo Model-free TD Learning Sarsa Q-learning Deep Learning DQN Function Approximation Actor-Critic A2C PyTorch

评论

WP

无业游民

公告

This is my Blog

最新文章

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2026-02-26

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）2026-02-10

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）2026-02-10

Agentic RL：veRL Infra AgentLoop（AgentLoopManager、Async Rollout 与 Hybrid 推训）

Agentic RL：veRL Infra AgentLoop（AgentLoopManager、Async Rollout 与 Hybrid 推训）2026-02-10

分类

学术思考1
工程实践5
- 强化学习5
强化学习数学原理12
手撕代码2
- 图像分类2
数据结构与算法7
生活记录1

标签

数据结构与算法二叉树二叉树遍历递归迭代回溯剪枝动态规划图论二分查找双指针数组滑动窗口矩阵规律前缀和链表哈希表查找 set map 字符串 KMP reverse 栈队列双端队列堆 queue stack deque Reward Model Verifier Self-Verification DeepSeekMath Reasoning Agentic RL 强化学习 PPO LLM RLHF

归档

二月 2026 32
十二月 2025 6
十一月 2025 8
九月 2025 2
六月 2025 1
四月 2025 5
三月 2025 6
二月 2025 11

网站信息

文章数目 :

75

运行时间 :

本站总字数 :

165k

最后更新时间 :

总访问量：

加载中...

©2025 - 2026 By WP

框架 Hexo|主题 Butterfly

搜索

数据加载中