[LLM+RL] 理解 GRPO 公式原理及 TRL GrpoTrainer 代码实现（advantage 与 loss 计算）
[实用 AI] GPT/Gemini 全流程参与 idea 生成，实验设计，Paper writing | AI scientist | NotebookLM
[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
[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
【回归】多元线性回归分析（最小二乘法，矩阵矢量形式，解析解）
[Pro 6000 Training] 06 8卡 RTX PRO 6000 原生 FP4 装下 GLM-5.3：NVFP4、E2M1、KV cache 与并发
[Modern Agent] 13 Superpowers Skills，Vibe Coding 时代的软件开发圣经
[Agentic Infra] 02 RL post-training 训练框架，训练流程参数分析与指标监控，显存分配与性能调优
[Pro6000 Training] 05 8卡Pro 6000 硬件概览，感知硬件，理解拓扑，NUMA | 一切都关乎通信带宽
[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
[A100 Training] 04 verl/slime Docker 容器 debug，断点调试，源码细读，ray 分布式 debug
[Agentic Infra] 03 算力密度与Roofline model，对比 5090/M5 max/DGX spark，Qwen3-8B 算力与访存
[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
[Agent Works] Gemini 2.5 Pro + Agent = IMO 金牌，actor-critic，生成 -> 验证 -> 修正 迭代循环
[RLHF] 从 PPO rlhf 到 DPO，公式推导与原理分析
[数学基础与PyTorch] 08 Jev 决策模型与概率校准，ECE 计算，RL之后LLM过度自信
[pytorch 强化学习] 01 认识环境（environment，gym.Env）以及 CartPole-v0/v1 环境
[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
【会计】个人所得税速算扣除数的计算及推导
