多辣加香菜

多辣加香菜

文章 | POST 系列 | SERIES 生活 | LIFE 浮世绘 | UKIYOE 足迹 | FOOTPRINT 关于 | ABOUT

论文阅读

On-Policy Distillation

On-Policy Distillation

📅 May 7, 2026📖 15 Min Read

ToolRL: Reward is All Tool Learning Needs

ToolRL: Reward is All Tool Learning Needs

📅 Apr 24, 2026📖 3 Min Read

Series

deeplearning [7]llm [15]python 技巧 [4]rlhf [8]备忘 [2]游记 [3]训推框架 [3]论文阅读 [2]课程笔记 [5]面经 [3]项目笔记 [4]

Tags

asyncio [1]cdn [1]cloudflare [1]email [1]gpu [1]huggingface [1]inference [3]loss [1]module [2]netflix [1]python [4]register [1]transformer [3]分布式 [2]动作 [1]复习 [2]大模型 [21]异步 [1]强化学习 [7]掩码 [1]数据库 [1]数据集 [3]深度学习 [7]算法 [1]装饰器 [1]设计模式 [1]

© 2025-2026 多辣加香菜 CC BY-NC 4.0