共计 23 篇文章

---

2026

07-01

关于这个博客

2025

11-29

后训练笔记 05：OPD，On-Policy Distillation

11-22

后训练笔记 04：GRPO 变体与 KTO

11-15

后训练笔记 03：PPO、DPO 与 GRPO

11-08

后训练笔记 02：SFT 与 PEFT

11-01

后训练笔记 01：强化学习基础

10-11

现代大模型笔记 06：多模态模型，图像、视频和音频怎么接进 LLM

10-04

现代大模型笔记 05：Post-training，SFT、DPO、GRPO 到 RL 推理

09-27

现代大模型笔记 04：Reasoning Model，从 CoT 到 DeepSeek-R1

09-20

现代大模型笔记 03：长上下文，注意力、KV cache 与位置编码