aibi1

摘要： 目录1) 概率（模型输出 token 概率）你要记住2) log 概率（训练里常用）直觉3) 损失函数（loss 越小越好）一句话4) 梯度下降（参数怎么改）直觉比喻四个概念串成一条链 太好了，这 4 个概念是你后面学 DPO/RL 的地基。我用同一个小例子串起来讲，你会更容易记住。 假设用户问： 阅读全文

摘要： 目录结论为什么客服更不能直接上 RL客服里常见的奖励信号（给你参考）客服落地推荐（最实用）Phase 1（先上线）Phase 2（提升体验）Phase 3（追求转化或效率）结论先说为什么不会全靠 RL？未来主流架构（你可以这么理解）RL 在这里主要干什么？ 是的，智能客服场景也基本是这个玩法，而且比 阅读全文

摘要： 目录先一句话如果你做 LLM/Agent 落地什么时候“只学 DPO”也够用？什么时候必须学更完整 RL？ 不够。DPO 很重要，但不是“强化学习全貌”。 先一句话 DPO：更像“偏好学习/对齐”的高性价比方法，工程上很好用。 RL（广义）：还包括策略梯度、PPO/GRPO、奖励建模、探索、信用分配 阅读全文

摘要： 目录为什么“分开归一化”这么关键？PAPO 训练怎么实现（通俗版）第 1 步：对同一个题目，生成一组回答第 2 步：给每个回答打“结果分”（ORM）第 3 步：给回答打“过程分”（PRM）第 4 步：关键改造——“分开归一化”4.1 结果优势 (A_out)伪代码这段代码的关键点（你记这3句就够）如 阅读全文

摘要： 目录1) Sampling Steps（步数）2) CFG Scale（提示词遵循度）3) Sampler（采样器）+ Scheduler4) Seed（随机种子）5) Size（分辨率）6) Batch size / Batch count7) Hires.fix（高清修复）8) Denoisin 阅读全文

摘要： 目录一句话先记住它到底在做什么（原理直觉）在不同模式下怎么理解1) img2img（整图改造）2) inpaint（局部重绘）最实用的区间建议（直接抄）和 Steps 的关系（你也会遇到）常见误区给你一个可执行的小实验（最快理解） 非常好的问题。这个参数确实是 img2img / inpaint 里 阅读全文

摘要： 目录1) 基本结构（最实用）2) 一个可直接用的模板正向模板负向模板3) 示例（写实人像）正向负向4) 示例（二次元）正向负向5) 提示词实战规则（重点）6) 常见问题 好问题。A1111（或同类 WebUI）里提示词写法可以用一个固定模板，先稳，再慢慢玩花样。 1) 基本结构（最实用） 正向 Pr 阅读全文

摘要： 目录学习路径（建议 6 阶段）阶段 1：先跑通（1周）阶段 2：核心原理（1周）阶段 3：可控生成（1-2周）阶段 4：代码化与工程化（1-2周）阶段 5：训练与定制（2周）阶段 6：产品化 MVP（1-2周）你是 Agent 工程师的特别建议最短闭环（你现在就可以做） 非常好，这个问题问得对。 你 阅读全文

摘要： 目录一、模型层（真正“生成图片”的核心）1.1 开源模型（可私有化部署）1.1.1 Stable Diffusion 系列（SD1.5 / SDXL / SD3.x）1.1.2 FLUX.1（BFL）1.1.3 其他开源主流（补充）1.2 闭源模型（API/平台服务）1.2.1 Midjourney 阅读全文

摘要： 目录一、学习路线总览二、分阶段详细计划阶段 1：先跑通一张图目标你要学什么用什么技术方案 A：零代码体验（推荐先用这个）方案 B：代码方式硬件要求阶段产出阶段 2：学会控制风格（LoRA）目标你要学什么用什么技术下载 LoRA加载 LoRA实践任务阶段产出阶段 3：学会控制构图（ControlNet 阅读全文