最爱丁珰

摘要： 对，这类教材常见问题就是：把“链接”“装载”“地址变换”“动态库”几件不同层次的事混着讲。 你现在不要试图按教材原话硬拼。正确做法是： 你要建立两套坐标系 第一套：为了真正理解 按现代系统，把整个过程分成 3 层： 1. 编译/汇编层 源代码变成目标文件 .o 这里关心的是： 符号表 节（text/ 阅读全文

摘要： 改bug，简单QA，小修小改都用Codex，其余都用Claude Code 如果需求非常简单的话，就不要开技能了，不然的话很费token，而且浪费时间（因为还是会按照非常严谨的开发步骤去做这件事情）。取消技能似乎有效的途径只有直接告诉模型：不要使用任何技能。 让AI写代码和审核代码的时候，防御性不要 阅读全文

摘要： 众所周知，Claude Code 用来做简单到中等的活是非常好的，而 Codex 用来做重活是非常好的。 那么Claude Code怎么免费使用呢？ 第一步，注册一个L站的号 第二步，三个公益站可以使用Cluade Code：Elysiver，Agent Router和Any Router 第三步， 阅读全文

摘要： 目录安装方法CodexCluade CodeSkill 推荐软件工程superpowers1）启动与元规则类using-superpowerswriting-skills2）需求澄清与方案设计类brainstormingwriting-plans3）执行编排与开发推进类using-git-workt 阅读全文

摘要： 目录运行过程运行 quick_synthesize.py 的详细过程1. 脚本初始化2. 加载配置3. 加载种子数据4. 初始化合成管道5. 启动异步运行（run_async 方法）6. 完成与输出注意事项采样参数1. 采样深度和广度控制参数2. 轨迹选择和过滤参数3. 其他相关参数（间接影响采样） 阅读全文

摘要： 目录沙盒有些工具需要大模型的原因：关键原因：智能信息提取与过滤1. doc 工具需要 VLM（视觉语言模型）2. websearch 工具需要 LLM 总结总结docker对于vm启动的作用：🏗️ 三层架构🤔 为什么不直接运行VM，而要用Docker包装？1. 环境隔离与一致性 🔒2. 简化部 阅读全文

该文被密码保护。 阅读全文

摘要： 先说一下AReal跟llamafactory和rllm的区别 llamafactory是LLM训练框架，不原生支持训练Agent，同时是先rollout再进行奖励计算，是一个同步的过程 rllm是Agent训练框架，不原生支持训练LLM，它更像是一个训练前端，会接入一个RL训练后端 AReal既可以 阅读全文

摘要： 一道非常类似的题目 Ans && Conclusion 阅读全文

摘要： 只考虑两个序列这种操作就是我们平时说的将条件简化 然后像这种状态空间很大，但是求解答案只需要前若干个状态的题目，可以考虑用一个状态推导出下一个状态的做法。这道题目，“超级钢琴”以及“异或粽子”都可以这么做 阅读全文