摘要:
二分查找:第 K 小的元素是多大呢?在有序矩阵中,给定一个数值,只需要 o(n) 复杂度,就可以得到 ≤ 它的元素的数量。因此,时间复杂度为 二分的 o(log 值域大小) × 查找的 o(n)。
阅读全文
posted @ 2026-03-03 23:00
MoonOut
阅读(114)
推荐(0)
摘要:
经典的 o(n) 做法,是通过类似快排的 partition pivot 操作,递归寻找第 k 大的数;然而思路四更加简洁优雅,时间复杂度也是 o(n) 的。
阅读全文
posted @ 2026-03-03 22:37
MoonOut
阅读(288)
推荐(0)
摘要:
先排序,然后固定数字 1,双指针法搜索数字 2 3,注意要把重复的数字 2 3 去除。
阅读全文
posted @ 2026-03-03 17:04
MoonOut
阅读(233)
推荐(0)
摘要:
使用 python 的 dict 存储 "字符: 出现位置" 的映射。
阅读全文
posted @ 2026-03-03 16:49
MoonOut
阅读(270)
推荐(0)
摘要:
第一次用 python 写记忆化搜索,用 dict 写起来很方便,思路也很清晰。
阅读全文
posted @ 2026-03-03 15:26
MoonOut
阅读(48)
推荐(0)
摘要:
如果认为判断一个 word 是否在 set 里是 o(1) 的,则 dp 方法的时间复杂度是 o(n²)。不过,集合判断操作的时间复杂度实际是 o(n) 的,所以总时间复杂度是 o(n³)。
阅读全文
posted @ 2026-03-03 15:17
MoonOut
阅读(66)
推荐(0)
posted @ 2026-03-03 15:08
MoonOut
阅读(98)
推荐(0)
摘要:
这一题比上一题(1143)更简单,使用 dp 可以轻松解决。滑动窗口匹配法的空间复杂度更低,但时间复杂度略高。
阅读全文
posted @ 2026-03-03 11:26
MoonOut
阅读(52)
推荐(0)
摘要:
这是一道经典的 dp 题。进一步,可以通过滚动数组,将空间复杂度从 o(mn) 优化到 o(m)。
阅读全文
posted @ 2026-03-03 11:14
MoonOut
阅读(134)
推荐(0)
摘要:
3D 接雨水和 2D 接雨水的思路很像:2D 接雨水的双指针,从左右向中间包围,3D 接雨水则是从四周形成一个圈,向中间包围。
阅读全文
posted @ 2026-03-03 10:43
MoonOut
阅读(153)
推荐(0)
摘要:
双指针法中,左右指针分别从最左最右向中间移动,时间复杂度 o(n),空间复杂度 o(1)。
阅读全文
posted @ 2026-03-03 10:28
MoonOut
阅读(341)
推荐(0)
posted @ 2026-03-02 21:47
MoonOut
阅读(883)
推荐(0)
posted @ 2026-02-17 23:08
MoonOut
阅读(142)
推荐(0)
摘要:
汇总并翻译了一些 VeRL 的文档。
阅读全文
posted @ 2026-02-17 17:40
MoonOut
阅读(210)
推荐(0)
摘要:
提供了 MATH、GSM8K、AIME24 等常用数学数据集的 基本信息和链接。
阅读全文
posted @ 2026-02-13 13:13
MoonOut
阅读(1774)
推荐(0)
摘要:
REINFORCE++ 把 GRPO“prompt 小组内归一化优势”升级为“全局 batch 上标准化优势”,并搭配稳定的 KL 估计方式,比 PPO 轻量级,比 GRPO 稳定和泛化性强。
阅读全文
posted @ 2026-02-13 11:51
MoonOut
阅读(302)
推荐(0)
摘要:
2026.02 | 速读文章纪录
阅读全文
posted @ 2026-02-03 08:50
MoonOut
阅读(113)
推荐(0)
摘要:
rsync -avzP --progress /本地/大文件.zip user@服务器IP:/目标/路径/
阅读全文
posted @ 2026-01-30 13:34
MoonOut
阅读(274)
推荐(1)
摘要:
主要参考官方文档,介绍了如何基于 verl 使用 RL 微调大模型。
阅读全文
posted @ 2026-01-20 16:20
MoonOut
阅读(362)
推荐(0)
摘要:
主要参考知乎博客,介绍了如何基于 LLaMA-Factory 部署和 SFT 微调大模型。
阅读全文
posted @ 2026-01-10 17:22
MoonOut
阅读(87)
推荐(0)
摘要:
面对多任务 / 多目标学习中,可能相互冲突的梯度信号,现有方法通过加权、投影、统一符号等方法,调合这些梯度信号。
阅读全文
posted @ 2026-01-10 17:17
MoonOut
阅读(1049)
推荐(1)
摘要:
ARC-AGI benchmark 提供了基于视觉网格的谜题,它们是“对于人类简单、对于大模型困难”的问题。
阅读全文
posted @ 2026-01-07 19:57
MoonOut
阅读(764)
推荐(2)
摘要:
管理员打开 cmd,输入 netsh winsock reset,重启电脑就可以了。补档重传。
阅读全文
posted @ 2026-01-06 15:48
MoonOut
阅读(29)
推荐(0)
摘要:
最近读了一些在多轮(multi-turn)任务上用 RL 微调 LLM 的文章,记录阅读笔记。
阅读全文
posted @ 2026-01-03 16:54
MoonOut
阅读(343)
推荐(0)
摘要:
InfoNCE loss 可以表示互信息的下界:I(X;Y) ≥ log N - L_InfoNCE 。
阅读全文
posted @ 2026-01-02 20:07
MoonOut
阅读(1184)
推荐(0)
摘要:
2026.01 | 速读文章纪录
阅读全文
posted @ 2026-01-01 22:08
MoonOut
阅读(135)
推荐(0)
摘要:
2025.12 | 速读文章纪录 - 下半月
阅读全文
posted @ 2025-12-20 23:30
MoonOut
阅读(159)
推荐(0)
摘要:
简单看看近期的 Pb-MARL 工作。
阅读全文
posted @ 2025-12-15 14:20
MoonOut
阅读(116)
推荐(0)
摘要:
offline meta RL 近期工作的速读记录。
阅读全文
posted @ 2025-12-13 17:36
MoonOut
阅读(879)
推荐(2)
摘要:
offline meta RL 经典论文的速读记录。
阅读全文
posted @ 2025-12-07 10:35
MoonOut
阅读(1204)
推荐(1)
摘要:
2025.12 | 速读文章纪录 - 上半月
阅读全文
posted @ 2025-12-02 23:13
MoonOut
阅读(163)
推荐(0)
摘要:
存档,博士生资格考试的 20 篇文献。
阅读全文
posted @ 2025-11-29 15:04
MoonOut
阅读(1210)
推荐(2)
摘要:
EQL 将单目标的 bellman 算子拓展到多目标 RL 上,并复刻了 value iteration 的收敛性保证。
阅读全文
posted @ 2025-11-22 21:18
MoonOut
阅读(1016)
推荐(1)
摘要:
贾庆山老师团队的事件驱动优化 + 数据中心工作。
阅读全文
posted @ 2025-11-22 16:10
MoonOut
阅读(39)
推荐(0)
摘要:
2025.11 | 速读文章纪录
阅读全文
posted @ 2025-11-02 12:25
MoonOut
阅读(174)
推荐(0)
摘要:
① 用对比学习把参考轨迹的 embedding 尽可能拉远,② 使用 DIAYN reward 同时做模仿学习和 skill discovery。
阅读全文
posted @ 2025-10-31 00:50
MoonOut
阅读(195)
推荐(1)
摘要:
速读一下 IJCAI 2025 的 RL 相关论文。
阅读全文
posted @ 2025-10-08 20:53
MoonOut
阅读(1298)
推荐(1)
摘要:
2025.10 | 速读文章纪录
阅读全文
posted @ 2025-10-02 23:00
MoonOut
阅读(142)
推荐(0)
摘要:
2025.09 | 速读文章纪录
阅读全文
posted @ 2025-09-02 14:16
MoonOut
阅读(124)
推荐(0)
摘要:
2025.08 | 速读文章纪录
阅读全文
posted @ 2025-08-06 14:10
MoonOut
阅读(66)
推荐(0)