归档

2025年10月  2

Verl 框架下 GRPO 调参：GSM8K 实验记录（Qwen3-0.6B）

2025年10月18日

10.9 记录

2025年10月07日

2025年9月  9

9.24 记录

2025年09月24日

9.16 论文阅读

2025年09月16日

9.15 记录

2025年09月15日

9.13 论文阅读

2025年09月13日

9.9 论文阅读

2025年09月09日

9.7 论文阅读

2025年09月07日

9.6 论文阅读

2025年09月06日

9.5 论文阅读

2025年09月05日

Windows语音唤醒助手

2025年09月04日

2025年8月  5

耶鲁大学幸福科学课程总结

2025年08月30日

最近在做的一些事

2025年08月25日

Softmax的反向传播推导

2025年08月21日

神经网络反向传播 数学推导

2025年08月18日

hugo+papermod博客搭建教程

2025年08月17日