【2026全球总决赛】11月15日 GEN vs BLG
[LLM+RL] 理解 GRPO 公式原理及 TRL GrpoTrainer 代码实现(advantage 与 loss 计算)
[RLHF] 从 PPO rlhf 到 DPO,公式推导与原理分析
[LLMs 实践] 02 LoRA(Low Rank Adaption)基本原理与基本概念,fine-tune 大语言模型
[veRL] 从原理层面理解训练参数,PPO & GRPO,batch size,kl & entropy
[LLM+RL] R1 论文导读,SFT vs. RL,RL 基础以及 GRPO 细节,以及一系列复现工作讨论
[LLMs 实践] 01 llama、alpaca、vicuna 整体介绍及 llama 推理过程
[pytorch 强化学习] 01 认识环境(environment,gym.Env)以及 CartPole-v0/v1 环境
[数学基础与PyTorch] 06 理解高维Tensor,手撕 MHA 为什么先 reshape 再 permute?view/stride/contiguou
[Modern Agent] 16 Claude Code 记忆(Memory)系统设计,记忆语义分类,记忆召回,记忆写入、更新与维护
[硬件扫盲] 苹果 M5 pro/max 芯片,对比 Nvidia GPU,内存带宽,统一内存,tensor core,融合架构
[数学基础与PyTorch] 07 MHA 的 QKVO 四重投影,为什么少不了 W_O?concat 再乘 ≡ 逐 head 求和 | OV 电路 rank
[Modern Agent] 13 Superpowers Skills,Vibe Coding 时代的软件开发圣经
[LLM + RL] kimi 1.5 论文导读与 highlights
[Agentic RL] [veRL] 17 理解训推不一致与rollout correction,TIS | IcePop | MiniRL | Bypass
[LLM Architect] 15 Jev 架构推测,Tree Mask 隔离复用与并行计算,概率与confidence,RLCD/RLCR
[Agent Works] Gemini 2.5 Pro + Agent = IMO 金牌,actor-critic,生成 -> 验证 -> 修正 迭代循环
[LLM Architect] 08 Dive into K2.5,Kimi K2.5 论文串讲与导读,原生多模态,Agent Swarm,国产之光
[Modern Agent] 19 tree attention 位置编码,信心计算,多模态理解与box,auto mode,rerank,voice
[A100 Training] 03 verl/slime 一些实际的训练经验,踩过的坑,wandb,GDN,remove pad,精度,clip_ratio
[数学基础与PyTorch] 05 OPD-01 RKL/FKL, TopK, 为什么可以复用RL infra,seq level KL,verl/slime