Tags
RL (9)
- LLM-RL 中的熵控制：从 Entropy Collapse 到 Exploration 的系统性综述 2025-12-23
- RL 学习笔记（六）：LLM 对齐（下） 2025-12-19
- RL 学习笔记（五）：LLM 对齐（上） 2025-12-19
- RL 学习笔记（四）：基于模型的方法与多智能体 2025-12-19
- RL 学习笔记（三）：基于策略的强化学习 2025-12-19
- RL 学习笔记（二）：基于价值的强化学习 2025-12-19
- RL 学习笔记（一）：基础知识 2025-12-19
- LLM-RL 训练稳定性：根因分析与解决方案 2025-12-19
- 为什么 LoRA 在强化学习微调中有效？—— 信息带宽的视角 2025-12-19
Transformer (8)
- Transformer 学习笔记（八）：前沿应用 2025-12-20
- Transformer 学习笔记（七）：部署优化 2025-12-20
- Transformer 学习笔记（六）：评测与 Benchmark 2025-12-20
- Transformer 学习笔记（五）：训练技术全景 2025-12-20
- Transformer 学习笔记（四）：Mixture of Experts 稀疏架构 2025-12-20
- Transformer 学习笔记（三）：注意力机制 2025-12-20
- Transformer 学习笔记（二）：核心组件 2025-12-20
- Transformer 学习笔记（一）：基础理论 2025-12-20
RLHF (4)
- RL 学习笔记（六）：LLM 对齐（下） 2025-12-19
- RL 学习笔记（五）：LLM 对齐（上） 2025-12-19
- LLM-RL 训练稳定性：根因分析与解决方案 2025-12-19
- 为什么 LoRA 在强化学习微调中有效？—— 信息带宽的视角 2025-12-19
PPO (2)
- RL 学习笔记（三）：基于策略的强化学习 2025-12-19
- LLM-RL 训练稳定性：根因分析与解决方案 2025-12-19
Inference (2)
- LLM 推理的非确定性：根因分析与 Batch Invariance 解决方案 2025-12-24
- Transformer 学习笔记（七）：部署优化 2025-12-20
Alignment (2)
- RL 学习笔记（六）：LLM 对齐（下） 2025-12-19
- RL 学习笔记（五）：LLM 对齐（上） 2025-12-19
Training (1)
- Transformer 学习笔记（五）：训练技术全景 2025-12-20
Reproducibility (1)
- LLM 推理的非确定性：根因分析与 Batch Invariance 解决方案 2025-12-24
Reasoning (1)
- Transformer 学习笔记（八）：前沿应用 2025-12-20
RLVR (1)
Negative Samples (1)
Multimodal (1)
- Transformer 学习笔记（八）：前沿应用 2025-12-20
MoE (1)
- Transformer 学习笔记（四）：Mixture of Experts 稀疏架构 2025-12-20
MCTS (1)
- RL 学习笔记（四）：基于模型的方法与多智能体 2025-12-19
LLM (1)
- LLM 推理的非确定性：根因分析与 Batch Invariance 解决方案 2025-12-24
GRPO (1)
Evaluation (1)
- Transformer 学习笔记（六）：评测与 Benchmark 2025-12-20
Entropy (1)
Determinism (1)
- LLM 推理的非确定性：根因分析与 Batch Invariance 解决方案 2025-12-24
DQN (1)
- RL 学习笔记（二）：基于价值的强化学习 2025-12-19
CUDA (1)
- LLM 推理的非确定性：根因分析与 Batch Invariance 解决方案 2025-12-24
Batch Invariance (1)
- LLM 推理的非确定性：根因分析与 Batch Invariance 解决方案 2025-12-24
Attention (1)
- Transformer 学习笔记（三）：注意力机制 2025-12-20
AlphaZero (1)
- RL 学习笔记（四）：基于模型的方法与多智能体 2025-12-19