10 2026 档案

【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
摘要：【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 目录【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0x00 概要0x01 现有问题1.1 现有 RL 框架的问题1.2 解决思路：dataf 阅读全文
posted @ 2026-10-14 20:08 罗西的思考 阅读(91) 评论(0) 推荐(0)
[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(82) 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(87) 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(268) 评论(1) 推荐(3)