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图论动态规划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setmap栈队列双端队列堆queuestackdeque字符串KMPreverseReward ModelVerifierSelf-VerificationDeepSeekMathReasoningAgentic RL强化学习PPOLLMRLHFREINFORCEKLBradley-TerryMLE概率建模RLVREvaluationpass@kPerplexityvLLMveRLverlTokenizerToken-in-Token-outAgent Loop推理部署性能优化显存分析AgentLoopAsync RolloutTool UseInteractionRaySFTFSDPTeacher ForcingCross EntropyLoss MaskLR Scheduler工程实践TrainerInferenceSGLangMulti-turnCoding AgentCold StartGRPORLOOREINFORCE++BaselineBatch SizeEntropyPolicy GradientTRPOCleanRLForward KLReverse KLDPOPreference OptimizationBERTTransformer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混合专家系统MambaSSM序列建模对比学习STLvectorstringalgorithmpriority_queuetransformerAcademic Paper Search文献检索MCPAgent SkillsPaperRefine学术写作CodexClaude CodeDeep Research科研工作流论文写作实验管理Paper2PPT学术汇报PPTXWPIRONMAN ChatAIAgentSOL ENGINEGPT-5.6Prompt EngineeringGNN图神经网络深度学习图像分类ResnetLenetCIFAR10实例判别无监督学习思考生活随笔研究生生活Vit手撕代码学术助手产品思考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SGDAdam算法详解损失函数基础理论计算机视觉论文笔记监督学习线性表绪论Reinforcement LearningRoadmapIntroductionMathProbabilityGradient DescentMartingaleGridWorldPythonBellman EquationDynamic ProgrammingAlgorithmMonte CarloModel-freeRobbins-MonroBellman OptimalityTD LearningSarsaQ-learningDeep LearningDQNFunction ApproximationActor-CriticA2CPyTorch
评论
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...