共计 41 篇文章

---

2026

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

12-02

FlashAttention-3:具有异步性和低精度的快速准确注意力机制

09-30

Jet-Nemotron：高效语言模型与后神经网络架构搜索

09-21

AlphaEvolve：超级编码智能体

09-02

Mixture-of-Recursions:混合递归模型，通过学习动态递归深度，以实现对自适应Token级计算的有效适配