文章汇总
共 49 篇文章 · 约 55.8 万字 · 13 个分类 · 109 个标签 · 2025 年至今
2026 年 34 篇
- 代码语法测试
- 面向行为进化的持续强化学习研究
- Soft Actor-Critic 算法分析
- 拟实现方案
- 策略组合泛化思想
- Markdown 语法速查
- 本站是如何构建的
- 读书笔记：如何高效整理知识
- 自回归生成可以增强 dLLM 的探索性（The Flexibility Trap: Rethinking the Value of Arbitrary Order in Diffusion Language Models）
- 公式渲染：当数学遇上 Markdown
- 随机过程(11)：马尔可夫链
- 随机过程(10)：泊松过程(2): 过滤泊松过程
- 随机过程(9)：泊松过程(1): 泊松分布
- 随机过程(8)：高斯过程(4): 高斯过程的应用
- 随机过程(7)：高斯过程(3): 高斯与非线性
- 实数集的完备性：七个等价表述及其证明
- 生成式推荐系统中的预测解码加速
- 优化器 (3)（Gram Newton-Schulz）
- 个性化搜索中的知识-动作对齐（KARMA: Knowledge-Action Regularized Multimodal Alignment for Personalized Search at Taobao）
- NVIDIA Nemotron 3 Super 技术解读（Nemotron 3 Super: Open, Efficient Mixture-of-Experts Hybrid Mamba-Transformer Model for Agentic Reasoning）
- FlashAttention 系列
- 等周不等式：周长为定值时，面积最大的封闭图形是圆
- 随机过程(6)：高斯过程(2): 多元高斯分布
- 变分序列级软策略优化（VESPO: Variational Sequence-Level Soft Policy Optimization for Stable Off-Policy LLM Training）
- 随机过程(5)：高斯过程(1): Gaussian is Everywhere
- 随机过程(4)：多元相关
- 随机过程(3)：非平稳随机过程
- 随机过程(2)：宽平稳随机过程相关函数的时频分析
- 随机过程(1)：线性相关
- RFT的熵动力学分析（On the Entropy Dynamics in Reinforcement Fine-Tuning of Large Language Models）
- 优化器 (2)：Muon
- 优化器 (1)：SGD和Adam
- 利用PRM监督生成式推荐模型（PROMISE: Process Reward Models Unlock Test-Time Scaling Laws in Generative Recommendations）
- 多目标优化对齐（HarmonRank: Ranking-aligned Multi-objective Ensemble for Live-streaming E-commerce Recommendation）
2025 年 15 篇
- 生成模型 (3.3)：Flow Matching
- 生成模型 (3.2)：Flow Model
- 生成模型 (3.1)：Flow-based Method
- 生成模型 (2.1)：Energy-based Model
- 生成模型 (1.3)：Denoising Diffusion Probabilistic Model
- 生成模型 (1.2)：Variational Auto-Encoder
- 生成模型 (1.1)：变分推断
- 生成模型 (0)：Overview of Deep Generative Modeling
- 通过拟合整个奖励分布进行强化学习（FlowRL: Matching Reward Distributions for LLM Reasoning）
- 强化学习基础 (3)：动态规划求解
- 强化学习基础 (2)：有限马尔可夫过程
- 强化学习中的熵 (2)：熵安全策略
- 强化学习中的熵 (1)：策略熵
- 统一精排阶段的特征交叉和序列建模（OneTrans: Unified Feature Interaction and Sequence Modeling with One Transformer in Industrial Recommender）
- 强化学习基础 (1)：多臂赌博机