大语言模型研究18——线性回归视角看强化学习策略梯度

10-08

强化学习讲义2——MiMoV2.6组级智能体评分

09-27

强化学习讲义1——RL-for-LLM技术选择决策图Tricks-or-Traps

09-23

大语言模型研究10——RubricRL实践

09-16

大语言模型研究09-RubricRL理论分析

09-14

大语言模型研究17——强化学习中KL散度惩罚问题

06-28

大语言模型研究16——注意力机制优化之稀疏注意

05-25

大语言模型研究14——注意力机制优化之FlashAttention

05-19

大语言模型研究15——注意力机制优化之KV缓存

05-19

大语言模型研究12——均方根层归一化(RMSNorm)

05-18