我的随笔

【Agentic RL】Dressage Staleness 控制深度分析

罗西的思考 2026-10-20 21:07 阅读:55 评论:0 推荐:0

【Agentic RL / 强化学习框架】AstraFlow 架构解析：面向数据流的大规模强化学习系统

罗西的思考 2026-10-14 20:08 阅读:119 评论:0 推荐:0

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

罗西的思考 2026-10-12 21:10 阅读:97 评论:0 推荐:0

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

罗西的思考 2026-10-10 21:20 阅读:107 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

罗西的思考 2026-10-08 20:35 阅读:310 评论:1 推荐:3

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

罗西的思考 2026-09-28 21:35 阅读:96 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

罗西的思考 2026-09-23 20:43 阅读:93 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」

罗西的思考 2026-09-22 20:11 阅读:220 评论:0 推荐:3

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

罗西的思考 2026-09-17 20:51 阅读:124 评论:1 推荐:1

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

罗西的思考 2026-09-15 20:45 阅读:65 评论:0 推荐:0