2 | Page | Blog de Simon🫣

🗻扫盲 reward hacking 和熵坍缩

扫盲 reward hacking 和熵坍缩

🗻扫盲 Online / Offline & On-policy / Off-policy

扫盲 Online / Offline & On-policy / Off-policy

🗻扫盲KL散度和交叉熵

🗻扫盲 Monte Carlo (MC) 和 Temporal Difference (TD)

扫盲 Monte Carlo (MC) 和 Temporal Difference (TD)

💡总结：PPO GRPO GSPO RLOO Loss 分析

总结：PPO GRPO GSPO RLOO Loss 分析

🏄‍♂️GRPO → GSPO → DAPO → SAPO

GRPO → GSPO → DAPO → SAPO

🚀RAG技术汇总（4）高级检索方法

RAG技术汇总（4）高级检索方法

📚RAG技术汇总（3）上下文与内容丰富

RAG技术汇总（3）上下文与内容丰富

🐦Agent 框架汇总

🤔思考：Agent 项目的核心挑战与难点是什么？

思考：Agent 项目的核心挑战与难点是什么？

📚谈阅读：如何做一个好的读者

🪸强化学习（3） DPO

1 2 3 4 5 6

SimonSun

Internet Malou, LLM Rookie, Bug Maker🤧

最新发布

读A.I. Should Elevate Your Thinking, Not Replace It 有感

vibecoding skill 集合使用历程记录

vibe coding for 前端心路历程

vibe coding 一年小结

公告

🙌README🙌

🤯There is nothing left

in my right brain,

🤯and there is nothing right

in my left brain...

⭐I wish you every success⭐