我的随笔

1 2 3 4 5 ··· 7 下一页
LLM | 常用的数学数据集：MATH、GSM8K、AIME24 等
MoonOut 2026-02-13 13:13 阅读:18 评论:0 推荐:0
LLM | REINFORCE++：好像是近期的 LLM RL 新方法
MoonOut 2026-02-13 11:51 阅读:9 评论:0 推荐:0
论文速读记录 | 2026.02
MoonOut 2026-02-03 08:50 阅读:40 评论:0 推荐:0
如何传输本地大文件至 Linux 服务器
MoonOut 2026-01-30 13:34 阅读:163 评论:0 推荐:1
LLM | 正在尝试使用 verl
MoonOut 2026-01-20 16:20 阅读:85 评论:0 推荐:0
LLM | 正在尝试使用 LLaMA-Factory
MoonOut 2026-01-10 17:22 阅读:47 评论:0 推荐:0
自存档 | 找到一些冥想辅助网页
MoonOut 2026-01-10 17:20 阅读:20 评论:0 推荐:0
基于梯度组合的多任务 / 多目标学习
MoonOut 2026-01-10 17:17 阅读:639 评论:0 推荐:1
LLM | ARC-AGI：有趣的 benchmark
MoonOut 2026-01-07 19:57 阅读:480 评论:0 推荐:2
（已解决）代·理核心崩溃“failed to ■■■ core, logs are not available”
MoonOut 2026-01-06 15:48 阅读:20 评论:0 推荐:0
LLM | multi-turn 任务下的 RL 微调：RAGEN, ArCHer, GiGPO, VinePPO
MoonOut 2026-01-03 16:54 阅读:59 评论:0 推荐:0
Contrastive Learning 对比学习 | InfoNCE loss 与互信息的数学关联
MoonOut 2026-01-02 20:07 阅读:806 评论:0 推荐:0
论文速读记录 | 2026.01
MoonOut 2026-01-01 22:08 阅读:62 评论:0 推荐:0
论文速读记录 | 2025.12（2）
MoonOut 2025-12-20 23:30 阅读:71 评论:0 推荐:0
PbRL · MARL | 近期 preference-based MARL 工作速读
MoonOut 2025-12-15 14:20 阅读:46 评论:0 推荐:0
offline meta-RL | 近期工作速读记录
MoonOut 2025-12-13 17:36 阅读:738 评论:0 推荐:2
Python · matplotlib | 简单的柱状图画图代码
MoonOut 2025-12-08 23:06 阅读:13 评论:0 推荐:0
offline meta-RL | 经典论文速读记录
MoonOut 2025-12-07 10:35 阅读:1037 评论:0 推荐:1
论文速读记录 | 2025.12（1）
MoonOut 2025-12-02 23:13 阅读:52 评论:0 推荐:0
PbRL | 近两年论文阅读的不完全总结
MoonOut 2025-11-29 15:04 阅读:1086 评论:0 推荐:2
Prompt | 准备博士生开题
MoonOut 2025-11-28 17:49 阅读:42 评论:0 推荐:0
MORL | Envelope Q-Learning：有收敛性保证的 MORL 算法
MoonOut 2025-11-22 21:18 阅读:872 评论:0 推荐:1
数据中心 + 事件驱动优化：面向数据中心绿色可靠运行的强化学习方法
MoonOut 2025-11-22 16:10 阅读:23 评论:0 推荐:0
论文速读记录 | 2025.11
MoonOut 2025-11-02 12:25 阅读:79 评论:0 推荐:0
Skill Discovery | RGSD：基于高质量参考轨迹，预训练 skill space
MoonOut 2025-10-31 00:50 阅读:104 评论:0 推荐:1
RL | 速读 IJCAI 2025 的强化学习论文
MoonOut 2025-10-08 20:53 阅读:648 评论:4 推荐:1
论文速读记录 | 2025.10
MoonOut 2025-10-02 23:00 阅读:114 评论:0 推荐:0
Prompt | 通用 prompt 存档
MoonOut 2025-09-30 19:50 阅读:20 评论:0 推荐:0
Prompt | 快速生成五分钟 pre，用来讲自己的工作
MoonOut 2025-09-29 22:26 阅读:45 评论:0 推荐:0
Prompt | 如何申请软著
MoonOut 2025-09-29 22:10 阅读:46 评论:0 推荐:0
论文速读记录 | 2025.09
MoonOut 2025-09-02 14:16 阅读:88 评论:0 推荐:0
随记 | 20250808 · 换位思考与 meta 的想法
MoonOut 2025-08-08 18:42 阅读:1 评论:0 推荐:0
论文速读记录 | 2025.08
MoonOut 2025-08-06 14:10 阅读:57 评论:0 推荐:0
Skill Discovery | METRA：让策略探索 state 的紧凑 embedding space
MoonOut 2025-07-18 23:32 阅读:238 评论:0 推荐:0
Skill Discovery | LGSD：用描述 state 的语言 embedding 的距离，作为 metra 的 d(x,y) 距离约束
MoonOut 2025-07-16 17:50 阅读:210 评论:0 推荐:0
Skill Discovery | FoG：使用 LLM / CLIP 给出 dodont 权重，以引导 agent 安全探索
MoonOut 2025-07-15 20:34 阅读:89 评论:0 推荐:0
Skill Discovery | DoDont：使用 do + don't 示例视频，引导 agent 学习人类期望的 skill
MoonOut 2025-07-14 12:38 阅读:278 评论:0 推荐:1
论文速读记录 | 2025.07
MoonOut 2025-07-04 11:01 阅读:102 评论:0 推荐:0
RL | AIR-DREAM Lab 最新论文的速读
MoonOut 2025-06-13 22:15 阅读:130 评论:0 推荐:0
RL | 如何推导 MaxEnt RL（最大熵 RL）的策略形式 π(a|s) ∝ exp(Q(s, a))
MoonOut 2025-06-07 21:31 阅读:220 评论:0 推荐:0
1 2 3 4 5 ··· 7 下一页