罗西的思考 - 博客园

[置顶] 第二本书出版了：《Transformer技术纵深：架构解析与前沿突破》

摘要：

第二本书出版了：《Transformer技术纵深：架构解析与前沿突破》目录第二本书出版了：《Transformer技术纵深：架构解析与前沿突破》购买链接0x01 由来0x02 收获0x03 感谢0x04 遗憾0x05 打广告我的第二本书终于顺利出版了。这次是和清华大学出版社合作，本书的策划编辑是阅读全文

posted @ 2026-04-14 21:06 罗西的思考阅读(1000) 评论(0) 推荐(3)

[置顶] 新书出版：《分布式机器学习——系统、工程与实战》

摘要：

## 0x01 广告经过一年多的努力，我的书《分布式机器学习——系统、工程与实战》终于上架了，在这里打个广告。 ![](https://img2023.cnblogs.com/blog/1850883/202307/1850883-20230719224442070-381968133.jpg) 阅读全文

posted @ 2023-07-21 23:50 罗西的思考阅读(3094) 评论(7) 推荐(3)

2026年10月

[Agent Memory / 强化学习] MemPO源码学习笔记 --- (7)--- 混合机制

摘要： [Agent Memory / 强化学习] MemPO源码学习笔记 (7) 混合机制目录[Agent Memory / 强化学习] MemPO源码学习笔记 (7) 混合机制0x00 概要0x01 Mem Reward 机制1.1 公式1.2 P_mem 和 P_full 的完整计算细节1.3 为什阅读全文

posted @ 2026-10-12 21:10 罗西的思考阅读(69) 评论(0) 推荐(0)

[Agent Memory / 强化学习] MemPO源码学习笔记 --- (6)--- 奖励机制

摘要： [Agent Memory / 强化学习] MemPO源码学习笔记 (6) 奖励机制目录[Agent Memory / 强化学习] MemPO源码学习笔记 (6) 奖励机制0x00 概要0x01 原理1.1 双通路奖励机制1.2 通俗解释优势函数Outcome AdvantageMemory Ad 阅读全文

posted @ 2026-10-10 21:20 罗西的思考阅读(74) 评论(0) 推荐(0)

从陶哲轩的访谈看：AI 数学研究方法论 & 给其它行业的启示

摘要：从陶哲轩的访谈看：AI 数学研究方法论 & 给其它行业的启示目录从陶哲轩的访谈看：AI 数学研究方法论 & 给其它行业的启示0x00 争论的核心不是 "AI 会不会做数学"0x01 一个“如果AI早来20年”的思想实验1.1 真实时间线1.2 思想实验0x02 陶哲轩批评什么？0x03 陶哲轩的深阅读全文

posted @ 2026-10-08 20:35 罗西的思考阅读(252) 评论(1) 推荐(3)

2026年9月

[Agent Memory / 强化学习] MemPO源码学习笔记 ---(5)--- GRPO

摘要： [Agent Memory / 强化学习] MemPO源码学习笔记 (5) GRPO 目录[Agent Memory / 强化学习] MemPO源码学习笔记 (5) GRPO0x00 概要0x01 原理1.1 现状1.2 GRPO1.3 PPO vs GRPO1.4 为什么MemPO选GRPO而不是阅读全文

posted @ 2026-09-28 21:35 罗西的思考阅读(85) 评论(0) 推荐(1)

[Agent Memory / 强化学习] MemPO源码学习笔记 ---（4）--- Rollout实现细节

摘要： [Agent Memory / 强化学习] MemPO源码学习笔记（4） Rollout实现细节目录[Agent Memory / 强化学习] MemPO源码学习笔记（4） Rollout实现细节0x00 概要0x01 回顾0x02 mem_sys_prompt_ids2.1 mem_sys_ 阅读全文

posted @ 2026-09-23 20:43 罗西的思考阅读(82) 评论(2) 推荐(1)

机器人 / 物理 Agent Harness 综合分析与对比：从「更强的模型」到「更好的系统」

摘要：机器人 / 物理 Agent Harness 综合分析与对比：从「更强的模型」到「更好的系统」目录机器人 / 物理 Agent Harness 综合分析与对比：从「更强的模型」到「更好的系统」0x00 概要0x01 面对的难点与核心冲突1.1 核心冲突的一句话版本1.2 深挖：难点的四个层次0x0 阅读全文

posted @ 2026-09-22 20:11 罗西的思考阅读(180) 评论(0) 推荐(3)

[Agent Memory / 强化学习] MemPO源码学习笔记 --- （3）--- Rollout思路

摘要： [Agent Memory / 强化学习] MemPO源码学习笔记（3） Rollout思路目录[Agent Memory / 强化学习] MemPO源码学习笔记（3） Rollout思路0x00 概要0x01 Rollout 主要内容1.1 时间线1.2 纯 RolloutRollout 阶阅读全文

posted @ 2026-09-17 20:51 罗西的思考阅读(113) 评论(1) 推荐(1)

[Agent Memory / 强化学习] MemPO源码学习笔记 --- (2)--- 训练

摘要： [Agent Memory / 强化学习] MemPO源码学习笔记 (2) 训练目录[Agent Memory / 强化学习] MemPO源码学习笔记 (2) 训练0x00 概要0x01 原理1.1 为什么MemPO必须用RL而不是SFT？SFT 的劣势RL解决方式MemPO的实际路径小结1.2 阅读全文

posted @ 2026-09-15 20:45 罗西的思考阅读(51) 评论(0) 推荐(0)

机器人模型（WM / WAM / VLA）综合分析与对比：从「看」到「想」再到「做」

摘要：机器人模型（WM / WAM / VLA）综合分析与对比：从「看」到「想」再到「做」目录机器人模型（WM / WAM / VLA）综合分析与对比：从「看」到「想」再到「做」0x00 概要0x01 面对的难点与核心冲突1.1 核心冲突的一句话版本1.2 深挖：难点的四个层次0x02 这些模型如何解决阅读全文

posted @ 2026-09-14 20:52 罗西的思考阅读(173) 评论(3) 推荐(1)

[Agent Memory / 强化学习] MemPO源码学习笔记 ---（1）--- 总体

摘要： [Agent Memory / 强化学习] MemPO源码学习笔记（1）总体目录[Agent Memory / 强化学习] MemPO源码学习笔记（1）总体0x00 概要0x01 基础 & 背景1.1 用RL训练记忆系统的要点1.2 主要难点1.3 主要思路1.4 RL训练方案1.4.1 阅读全文

posted @ 2026-09-10 21:00 罗西的思考阅读(201) 评论(0) 推荐(0)

公告