跳到主要内容
Xgather
帖子
作者
API
搜索
搜索
请不要再叫谷歌美国豆包了,他应该是第一个实现 RSI 的非 Anthropic 公司
Sanbu 散步
@sanbuphy
·
4 天前
更多来自 @sanbuphy
#1
深圳 APEC 会议,看朋友圈,国际生同学都在和他们的总统合影,在会场尽情的拥抱深圳的全球化,整个地球村仿佛压缩在小小的南山到福田,以往走过的都是吃椰子鸡和广东茶点的普通人,现在都是来自全球各地的旅人。 真潇洒啊。 人生,有这样一次高光就够了,你觉得你人生的高光时刻是什么?
Sanbu 散步
Sanbu 散步
@sanbuphy
·
4 天前
#2
花了段时间写了 RL 教程 Hands-On Modern RL,路线是从 CartPole + PPO 入门,然后到 LLM 后训练(RLHF、DPO、GRPO)、Agentic RL。代码先行,公式用来解释现象。英文版很快更新。 目前是草稿版本,RLHF、Agentic RL 部分本地审校中。 欢迎提 PR 或 Issue & 显卡支持:htt…
Sanbu 散步
Sanbu 散步
@sanbuphy
·
2026-05-07
查看 @sanbuphy 的全部帖子
→