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) 评论(0) 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) 评论(0) 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) 评论(0) 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) 评论(0) 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) 评论(0) 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) 评论(0) 推荐(0)
摘要: 又一个 dp 基础题。 阅读全文
posted @ 2026-03-03 15:08 MoonOut 阅读(98) 评论(0) 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) 评论(0) 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) 评论(0) 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) 评论(0) 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) 评论(2) 推荐(0)
摘要: 根据小红书和牛客网的面经总结。 阅读全文
posted @ 2026-03-02 21:47 MoonOut 阅读(883) 评论(0) 推荐(0)
摘要: 未完待续。 阅读全文
posted @ 2026-02-17 23:08 MoonOut 阅读(142) 评论(0) 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) 评论(0) 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) 评论(0) 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) 评论(0) 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) 评论(0) 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) 评论(0) 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) 评论(0) 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) 评论(0) 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) 评论(0) 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) 评论(0) 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) 评论(0) 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) 评论(0) 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) 评论(0) 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) 评论(0) 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) 评论(0) 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) 评论(0) 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) 评论(0) 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) 评论(0) 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) 评论(0) 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) 评论(0) 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) 评论(0) 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) 评论(0) 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) 评论(0) 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) 评论(0) 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) 评论(4) 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) 评论(0) 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) 评论(0) 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) 评论(0) 推荐(0)