Posted at 2026-03-07 学AI/DS  LLM RL 

系统梳理强化学习算法：从定义、马尔可夫、Q-learning 起步，经 PPO、VAPO、DPO，到 GRPO、GMPO、GSPO、GFPO、GAPO、Dr.GRPO，含详细数学推导、伪代码、优缺点与继承关系。

Posted at 2026-03-05 学AI/DS  LLM SFT 

从原理到上手的 SFT 完整教程：损失函数推导、只对 response 算 loss 的 mask 机制、Alpaca 数据格式、LLaMA-Factory 手把手配置与训练，以及 LoRA/QLoRA 选型与常见坑。

Posted at 2026-03-03 学AI/DS  LLM SFT RLHF Pre-Train 

梳理 Pre-Training / SFT / RLHF 概念与各自流程，并整理 PPO、GRPO、GSPO、DPO 等 RLHF 方法要点；公式与实例留待 SFT、RLHF 单独笔记展开。

Posted at 2026-02-25 学AI/DS  LLM 推理优化 

KV Cache 完整教程：为什么需要、使用场景、注意力公式推导、为何只缓 K/V 不缓 Q、显存计算、PyTorch 代码实现、PagedAttention 等优化，以及面试要点。

Posted at 2026-02-13 学AI/DS  LLM 推理优化 

大模型参数量与显存占用的定义、计算公式、手算推导与估算实践；面向算法工程师面试的系统梳理，含 LLaMA 7B 等具体例子。

Posted at 2026-01-30 学AI/DS  Agent 

Claude带火了skills,学习一下Agent未来工程新范式。感觉现在有点像tools刚出来时候，后续应该会发展的。

Posted at 2026-01-03 学AI/DS  LLM Agent Benchmark 

在很多LLM的评测报告中，可能会看到这些指标，尤其是在代码生成、数学推理、程序合成等任务里。它们的侧重各不相同，但都基于一个前提设定：对同一个问题，模型允许生成 k 个不同的答案，再用不同方式来统计表现。

Posted at 2026-01-02 学AI/DS  LLM Agent RL 

经常听到rollout这个词， 周围人张口闭口就是。详细解释辨析一下。

Posted at 2025-12-23 学AI/DS  LLM 

分析大模型在Temperature=0时仍产生不同输出的根本原因(浮点运算非结合性、MoE架构、硬件异构性等)。本问题的产生深切反映了没学到本质，做的偏LLM顶层，疏忽了理解原理。

Posted at 2025-12-17 学AI/DS  LLM Agent 

整理自 https://arxiv.org/abs/2512.13564 《Memory in the Age of AI Agents》