limingqi - 博客园

[置顶] 自我博弈偏好优化（Self-Play Preference Optimization，SPO）能否奖励模型？

摘要：自我博弈偏好优化（Self-Play Preference Optimization, SPO）是一种通过自我博弈机制直接优化策略的方法，其核心特点是无需显式奖励模型，也不依赖对抗性训练。从技术本质来看，SPO 确实在特定场景下取代了奖励模型，但这一取代并非绝对，而是取决于任务类型和优化目标。以下从阅读全文

posted @ 2025-08-22 11:07 limingqi 阅读(97) 评论(0) 推荐(0)

[置顶] POLAR 的无监督预训练

摘要： POLAR 的无监督预训练过程可以拆解为 “数据构建逻辑” 和 “对比学习目标” 两部分，结合具体例子会更易理解：一、核心目标让奖励模型（RM）像 “策略侦探” 一样，学会判断两条轨迹（模型输出）是否来自同一个 “政策”（即同一个模型或相似行为模式的模型）。如果来自同一政策，就给它们更高的 “相阅读全文

posted @ 2025-07-26 12:48 limingqi 阅读(55) 评论(0) 推荐(0)

[置顶] Pre-Trained Policy Discriminators are General Reward Models 论文概述

摘要：一、研究背景强化学习（RL）在大型语言模型（LLMs）的训练中至关重要，其成功取决于奖励模型（RM）提供精确稳定反馈的能力。传统奖励模型依赖标注的偏好对训练，存在可扩展性和泛化性问题，前者受限于获取大量高质量标注对的难度，后者因建模人类偏好的主观性易受奖励攻击。规则基验证器虽能提供准确奖励信号阅读全文

posted @ 2025-07-26 12:47 limingqi 阅读(99) 评论(0) 推荐(0)

KUKA VC仿真专项项目指南

摘要：一、项目背景（1）行业趋势智能制造数字化转型持续深化，工业产线仿真与 Layout 工艺设计已成为制造业产线规划的核心环节，直接影响企业生产效率与规划精准度。（2）工具基础 Visual Components 作为该领域的核心软件，凭借专业的仿真与设计能力，已广泛应用于制造业各细分领域的产线规阅读全文

posted @ 2026-01-21 10:40 limingqi 阅读(0) 评论(0) 推荐(0)

多轮对话评估方法

摘要： MT-Bench-101 通过「三级能力分层 + 任务专属标准 + 精准评估机制」实现多轮对话的细粒度评估，核心逻辑是 “从能力到任务、从轮次到整体” 层层拆解，每个环节都有明确的评估维度和打分规则，具体实现方式如下：一、第一步：按 “三级能力体系” 拆解评估维度（先定 “评估什么”）细粒度的核阅读全文

posted @ 2026-01-15 17:23 limingqi 阅读(7) 评论(0) 推荐(0)

AI 智能体实战：意图识别提升之道

摘要：概述我们在构建AI智能体的过程中，意图识别和槽位抽取是自然语言理解（NLU）的两个关键部分，会直接影响智能体的交互质量和用户体验。意图识别（Intent Detection）的核心作用在于准确判断用户的语义目的。系统能将用户输入映射到预定义的意图类别（如"查询天气"、"预订餐厅"），这一步骤决定阅读全文

posted @ 2026-01-15 09:45 limingqi 阅读(33) 评论(0) 推荐(0)

大模型&智能体分享大纲

摘要：课程总览 · 时长：40小时（含10小时实践项目）目标：掌握大模型全生命周期开发能力，具备独立优化和部署行业模型的能力大模型篇模块1：模型原理（5小时）目标：掌握模型的基础原理更好的理解内容 1. Attention讲解（1h） 2. Self—Attention代码实现讲解（1h） 3. T 阅读全文

posted @ 2026-01-14 10:42 limingqi 阅读(12) 评论(0) 推荐(0)

归心于研：五年百度后的人生转向

摘要： 2020 年硕士毕业，我入职百度，一晃便是整整五年。这五年，是飞速成长的五年，也是见证行业浪潮、完成自我蜕变的五年。在百度的日子里，我见过太多熠熠生辉的人。清北出身的同事随处可见，身为浙大学子，有时也会在这样的群英荟萃中生出几分 “逊色感”。更令人感慨的是，身边不少人三十岁就实现了年薪百万，甚至有人阅读全文

posted @ 2025-12-24 14:01 limingqi 阅读(1445) 评论(6) 推荐(22)

计算机硕士AIGC方向科研规划

摘要：第一阶段：基础能力与交叉知识储备（第 1-6 个月）核心目标掌握大模型压缩与智能体的核心理论、工具链；完成 2-3 个小实验，建立对领域痛点的直观认知；确定具体研究方向（如压缩算法在智能体中的适配性、智能体任务驱动的动态压缩等）。具体任务模块学习内容与实践要求输出成果大模型压缩基础阅读全文

posted @ 2025-10-24 15:28 limingqi 阅读(148) 评论(0) 推荐(1)

计算机硕士AIGC方向学习内容规划

摘要：大模型学习：类型学习主题时间学习内容免费学习地址基础篇数据理解 2周数据处理，理解，可视化（为了发论文做准备，关注可视化的python工具） https://www.sanjieke.cn/course/detail/sjk/8007473?utm_source=sjk&utm_me 阅读全文

posted @ 2025-10-24 15:24 limingqi 阅读(54) 评论(0) 推荐(0)

计算机专利申请成功的核心关键

摘要：计算机专利申请成功的核心关键是同时满足“三性”要求（新颖性、创造性、实用性），并通过清晰的技术方案撰写，让审查员理解发明的技术贡献。一、核心前提：严格满足专利“三性” 1. 新颖性：确保发明在申请日之前，未在任何公开渠道（论文、专利、产品、会议等）出现过。- 关键动作：申请前必须做全面的专利和文阅读全文

posted @ 2025-10-22 23:00 limingqi 阅读(53) 评论(0) 推荐(0)

计算机专利申请交底书核心写作技巧

摘要： 1. 核心原则：以“技术方案”为中心，说清“问题-方案-效果” - 避免仅描述功能或软件界面，必须拆解为可实现的技术步骤/硬件逻辑，例如将“实现数据加密”细化为“采用AES算法对传输数据包进行分块加密+RSA算法对密钥加密”。- 问题要具体：不说“现有系统效率低”，而说“现有系统处理10万条数据需1 阅读全文

posted @ 2025-10-22 23:00 limingqi 阅读(74) 评论(0) 推荐(0)

我做 AI 算法 8 年，见过最可惜的事：技术再牛，说不明白也是白搭

摘要：大家好，我是李老师。过去 5 年在互联网大厂做 AI 落地时，我见过不少 “技术大牛”—— 有人能把自然语言处理模型调得比行业均值精准 10%，有人能在风控系统里挖出别人看不到的漏洞，可他们偏偏卡在了 “说话” 上：给业务方讲方案，讲了半小时对方还没明白 “这能解决什么问题”；跟领导汇报进度，说了阅读全文

posted @ 2025-10-18 20:10 limingqi 阅读(97) 评论(0) 推荐(0)