天黑得早了

投机解码该验几个 token：DSpark 和 vLLM 的在线估计器

Simon‘s 中转站始末(已挂)

劳动节假期-广州小计

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

vibe coding 一年小结

token 焦虑症

vibecoding skill 集合使用历程记录

Attention Residuals 残差进化史

vibe coding for 前端心路历程

openclaw 飞书配置踩坑记

MoE 模型的路由重放 → R3

创业灵感挖掘与验证指南

最近思考：少即是多

Verl vs AReaL

扫盲 reward hacking 和 熵坍缩

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)

总结：PPO GRPO GSPO RLOO Loss 分析

GRPO → GSPO → DAPO → SAPO

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 

Agent 框架汇总

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

RAG技术汇总（2）查询增强

RAG技术汇总（1）基础RAG技术

昇腾 310_P3 Qwen2.5 LLM VLM Emb Rerank部署

昇腾 910_P4 Qwen2.5 LLM VLM Emb Rerank部署

VPS 详叙

关于叙事和价值观的思考

跟模型聊天约等于向老天许愿

叔本华的钟

VLLM 部署常用参数解释&脚本

相机入门记录（1）购物篇

实用网站-工作提速大礼包

PPO（1）算法详解

conda poetry 全面迁移到 uv

LLM训练数据格式

郁闷记

Last Day of 2024

PPO（0）强化学习基础

自定义special_tokens

2024北京初雪

2024年秋🍂

docker hub

秦皇岛

deepspeed训练显存消耗

网络爬虫库学习笔记

Notion Next 嵌入网易云音乐

CO-STAR Prompt 

Nvidia DGX-1 拓扑结构

多模态入门记录

The Last Emperor

Graph RAG: 知识图谱结合 LLM 的检索增强

服务器从零到 personal workspace

PDF解析工具汇总

2023 春节

Last Day of 2023

2023北京初雪

卖身光年

记一次肠胃炎

百年孤独

百度云4机A800测试

友链

天五点多就黑了，才发现秋天已经过去一大半。

从 DeepSeek DSpark 的置信头，到 vLLM 10 月新加的在线接受率估计器，看投机解码怎么按负载决定每一步验多少 token。

技术分享

闲隙碎笔

历史归档

文章分类

文章标签

Github

About Me

开往

推理

部署

碎笔

recommend

vibecoding

summary

类型为Notice的文章将被显示为公告

公告

Blog de Simon🫣 

胡说八道

算法

Tools

记录

Framework

分布式

agent

建站

Linux

观后感

新闻

开发

Knowledge Graph

含英咀华

爬虫

prompt

测试

多模态

deepspeed

train

docker

游记

model

数据

环境

框架

论文

前端

🪸强化学习（3） DPO

🪸PPO（1）算法详解

🪸PPO（0）强化学习基础