AI Adam AdamW CNN CoT DAPO DPO DeepSeek DeepSeek-R1 FlashAttention GRPO GSPO KNN KTO KV cache LSTM LoRA MLP MoE Notes OPD Omni On-Policy P-Tuning PCA PEFT PPO Policy Gradient Post-training Prefix Tuning Qwen Qwen-VL RLHF RLVR RNN Reasoning ResNet Research RoPE SFT Transformer VLM XGBoost 交叉验证 优化 优化器 偏好优化 决策树 反向传播 后训练 多模态 大模型 强化学习 损失函数 无监督学习 机器学习 模型选择 正则化 泛化 注意力机制 深度学习 监督学习 神经网络 稀疏激活 笔记 线性回归 聚类 自注意力 蒸馏 表示学习 计算图 评估 逻辑回归 长上下文 随机森林