共计 112 篇文章

---

2026

01-30

Sinkhorn-Knopp算法

01-23

Hyper-Connections

01-16

语言模型训练与推理：从概念到代码

01-10

SAPO：Soft Adaptive Policy Optimization

01-04

从GRPO到DAPO以及GSPO

2025

12-30

理解 PPO 和 GRPO

12-21

RLHF：从策略梯度到 PPO、GAE 和 DPO

12-17

Fedora43更新Linux6.18 kernel Nvidia显卡驱动编译失败

12-10

DeepSeek-OCR：Contexts Optical Compression

12-02

FlashAttention-3:具有异步性和低精度的快速准确注意力机制