摘要：
因为自己实在是太好忘了💀 所以在博客存档方便查找 阅读全文
posted @ 2024-01-18 19:47
MoonOut
阅读(107)
评论(0)
推荐(0)
摘要：
存下来方便查阅。 阅读全文
posted @ 2023-06-16 10:10
MoonOut
阅读(553)
评论(1)
推荐(0)
摘要：
未完待续。 阅读全文
posted @ 2026-02-17 23:08
MoonOut
阅读(11)
评论(0)
推荐(0)
摘要：
汇总并翻译了一些 VeRL 的文档。 阅读全文
posted @ 2026-02-17 17:40
MoonOut
阅读(9)
评论(0)
推荐(0)
摘要：
ssh config 中添加 RemoteForward 127.0.0.1:7890 127.0.0.1:7890。补档重传。 阅读全文
posted @ 2026-02-15 12:39
MoonOut
阅读(8)
评论(0)
推荐(0)
摘要：
提供了 MATH、GSM8K、AIME24 等常用数学数据集的 基本信息和链接。 阅读全文
posted @ 2026-02-13 13:13
MoonOut
阅读(64)
评论(0)
推荐(0)
摘要：
REINFORCE++ 把 GRPO“prompt 小组内归一化优势”升级为“全局 batch 上标准化优势”，并搭配稳定的 KL 估计方式，比 PPO 轻量级，比 GRPO 稳定和泛化性强。 阅读全文
posted @ 2026-02-13 11:51
MoonOut
阅读(13)
评论(0)
推荐(0)
摘要：
2026.02 | 速读文章纪录 阅读全文
posted @ 2026-02-03 08:50
MoonOut
阅读(53)
评论(0)
推荐(0)
摘要：
rsync -avzP --progress /本地/大文件.zip user@服务器IP:/目标/路径/ 阅读全文
posted @ 2026-01-30 13:34
MoonOut
阅读(167)
评论(0)
推荐(1)
摘要：
主要参考官方文档，介绍了如何基于 verl 使用 RL 微调大模型。 阅读全文
posted @ 2026-01-20 16:20
MoonOut
阅读(92)
评论(0)
推荐(0)
摘要：
主要参考知乎博客，介绍了如何基于 LLaMA-Factory 部署和 SFT 微调大模型。 阅读全文
posted @ 2026-01-10 17:22
MoonOut
阅读(49)
评论(0)
推荐(0)
摘要：
面对多任务 / 多目标学习中，可能相互冲突的梯度信号，现有方法通过加权、投影、统一符号等方法，调合这些梯度信号。 阅读全文
posted @ 2026-01-10 17:17
MoonOut
阅读(646)
评论(0)
推荐(1)
摘要：
ARC-AGI benchmark 提供了基于视觉网格的谜题，它们是“对于人类简单、对于大模型困难”的问题。 阅读全文
posted @ 2026-01-07 19:57
MoonOut
阅读(486)
评论(0)
推荐(2)
摘要：
管理员打开 cmd，输入 netsh winsock reset，重启电脑就可以了。补档重传。 阅读全文
posted @ 2026-01-06 15:48
MoonOut
阅读(20)
评论(0)
推荐(0)
摘要：
最近读了一些在多轮（multi-turn）任务上用 RL 微调 LLM 的文章，记录阅读笔记。 阅读全文
posted @ 2026-01-03 16:54
MoonOut
阅读(60)
评论(0)
推荐(0)
摘要：
InfoNCE loss 可以表示互信息的下界：I(X;Y) ≥ log N - L_InfoNCE 。 阅读全文
posted @ 2026-01-02 20:07
MoonOut
阅读(809)
评论(0)
推荐(0)
摘要：
2026.01 | 速读文章纪录 阅读全文
posted @ 2026-01-01 22:08
MoonOut
阅读(64)
评论(0)
推荐(0)
摘要：
2025.12 | 速读文章纪录 - 下半月 阅读全文
posted @ 2025-12-20 23:30
MoonOut
阅读(73)
评论(0)
推荐(0)
摘要：
简单看看近期的 Pb-MARL 工作。 阅读全文
posted @ 2025-12-15 14:20
MoonOut
阅读(47)
评论(0)
推荐(0)
摘要：
offline meta RL 近期工作的速读记录。 阅读全文
posted @ 2025-12-13 17:36
MoonOut
阅读(739)
评论(0)
推荐(2)
摘要：
offline meta RL 经典论文的速读记录。 阅读全文
posted @ 2025-12-07 10:35
MoonOut
阅读(1040)
评论(0)
推荐(1)
摘要：
2025.12 | 速读文章纪录 - 上半月 阅读全文
posted @ 2025-12-02 23:13
MoonOut
阅读(53)
评论(0)
推荐(0)
摘要：
存档，博士生资格考试的 20 篇文献。 阅读全文
posted @ 2025-11-29 15:04
MoonOut
阅读(1090)
评论(0)
推荐(2)
摘要：
EQL 将单目标的 bellman 算子拓展到多目标 RL 上，并复刻了 value iteration 的收敛性保证。 阅读全文
posted @ 2025-11-22 21:18
MoonOut
阅读(880)
评论(0)
推荐(1)
摘要：
贾庆山老师团队的事件驱动优化 + 数据中心工作。 阅读全文
posted @ 2025-11-22 16:10
MoonOut
阅读(23)
评论(0)
推荐(0)
摘要：
2025.11 | 速读文章纪录 阅读全文
posted @ 2025-11-02 12:25
MoonOut
阅读(83)
评论(0)
推荐(0)
摘要：
① 用对比学习把参考轨迹的 embedding 尽可能拉远，② 使用 DIAYN reward 同时做模仿学习和 skill discovery。 阅读全文
posted @ 2025-10-31 00:50
MoonOut
阅读(108)
评论(0)
推荐(1)
摘要：
速读一下 IJCAI 2025 的 RL 相关论文。 阅读全文
posted @ 2025-10-08 20:53
MoonOut
阅读(655)
评论(4)
推荐(1)
摘要：
2025.10 | 速读文章纪录 阅读全文
posted @ 2025-10-02 23:00
MoonOut
阅读(115)
评论(0)
推荐(0)
摘要：
2025.09 | 速读文章纪录 阅读全文
posted @ 2025-09-02 14:16
MoonOut
阅读(90)
评论(0)
推荐(0)
摘要：
2025.08 | 速读文章纪录 阅读全文
posted @ 2025-08-06 14:10
MoonOut
阅读(57)
评论(0)
推荐(0)
摘要：
为 state space 训练一个紧凑的 embedding space，使得 embedding 间的距离与 temporal distance 相匹配，然后让 policy 尽可能覆盖 embedding space。 阅读全文
posted @ 2025-07-18 23:32
MoonOut
阅读(239)
评论(0)
推荐(0)
摘要：
用语义距离 d_lang(x,y) = cos_sim[ l(s_1), l(s_2)] ，来作为 metra 的 1-Lipschitz 约束。 阅读全文
posted @ 2025-07-16 17:50
MoonOut
阅读(210)
评论(0)
推荐(0)
摘要：
使用 LLM / CLIP 模型，输出 state / pixel observation 与人类意图的匹配程度，作为 dodont 的加权权重。 阅读全文
posted @ 2025-07-15 20:34
MoonOut
阅读(90)
评论(0)
推荐(0)
摘要：
dodont 将好坏行为的分类器 p hat 融入了 metra 框架里，因此看起来很有直觉。 阅读全文
posted @ 2025-07-14 12:38
MoonOut
阅读(279)
评论(0)
推荐(1)
摘要：
2025.07 | 速读文章纪录 阅读全文
posted @ 2025-07-04 11:01
MoonOut
阅读(113)
评论(0)
推荐(0)
摘要：
偶然看到了 AIR-DREAM Lab 的主页，读一下。 阅读全文
posted @ 2025-06-13 22:15
MoonOut
阅读(131)
评论(0)
推荐(0)
摘要：
考虑一步策略改进，把选 action 的概率 $\pi (a|s)$ 当作变量，$\sum \pi (a|s) = 1$ 作为约束条件，使用拉格朗日乘子 $\lambda$ 干掉。对 $V^\text{new}(s)$ 求偏导，偏导数 = 0。 阅读全文
posted @ 2025-06-07 21:31
MoonOut
阅读(221)
评论(0)
推荐(0)
摘要：
2025.06 | 速读文章纪录 阅读全文
posted @ 2025-06-01 07:14
MoonOut
阅读(153)
评论(0)
推荐(0)
摘要：
2025.05 | 速读文章纪录 阅读全文
posted @ 2025-05-02 17:47
MoonOut
阅读(164)
评论(0)
推荐(0)
摘要：
git fetch origin, git stash, git checkout -b [] origin/[] 阅读全文
posted @ 2025-04-15 15:32
MoonOut
阅读(42)
评论(0)
推荐(0)
浙公网安备 33010602011771号