绑定手机号
确认绑定
AI技术解析
-
GRPO 踩坑实录第二弹：从单步到多步的奖励函数升级 -
为什么用Rust从头开始写一个推理引擎 -
从Minimax-ForgeRL到Kimi-Seer，聊聊Agentic RL Infra优化方向 -
Vibe Coding 一年后的 Bitter Lesson -
浅谈 Test-Time Scaling 与免训练 RL -
从零开始构建自进化智能体的心路历程 -
大模型推理加速：从EAGLE 到DFlash -
深度解析：一张图拆解OpenClaw的Agent核心设计 -
GUI智能体强化学习训练高知名度论文总结：从WEB AGENT-R1到InfiGUI-R1 -
从梯度角度看SFT、Off-Policy Distillation、RL、On-Policy Distillation -
在GPU团队自研推理引擎的这两年 -
下一个范式：Meta Foundation Model -
聊聊OpenClaw的AgentLoop -
历时两个月的GRPO 训练踩坑实录：63% -> 96% tool selection -
不是结束，是开始的结束：写在 Step 3.5 Flash 发布与我在阶跃的一年半 -
聊聊理想中的大模型强化学习后训练系统 -
后注意力时代：Sparse is all you need -
AI Infra：PyTorch Offload技术优化实践 -
华为王云鹤：谈谈扩散语言模型的“草稿-修订”新范式Diffusion in Diffusion -
致敬 Kimi K2：基于 slime 的全流程 INT4 量化感知训练
上一页
