训练
2026
23
- 思考探索：具身智能的数据鸿沟：先对齐，再扩规模
- 强化学习：LLM 强化学习：RLHF、RLVR 与 GRPO
- 基础知识：缩放律、幂律与实验曲线
- 基础知识：梯度估计、离散变量与训练信号
- 知识问答：训练与对齐 QA
- 基础知识：预训练目标与表示学习：模型到底被要求学什么
- 训练：模型训练的完整链路：数据、目标、更新与证据
- 世界模型：高效训练完整实验报告样例
- 世界模型：高效训练路线图
- 世界模型：动作条件视频世界模型端到端训练案例
- VLM/VLA：世界模型高效训练接口
- VLM/VLA：架构：视觉证据怎样进入语言模型
- 训练：W&B：训练实验追踪与证据链治理
- 训练：稳定性与故障排查
- 训练：Scaling Law 与训练经济学
- 训练：Scaling、课程学习与数据配比
- 训练：预训练、微调与对齐：把能力、行为和偏好分开看
- 训练：偏好数据与对齐失效
- 训练：后训练数据引擎与 Judge 模型
- 训练：目标函数、优化器与 LR 日程：训练压力怎样变成参数轨迹
- 训练：MTP 与投机解码
- 训练：Megatron、DeepSpeed 与 FSDP：训练栈选型先拆账
- 训练：低比特训练与数值格式：误差会被写回参数
2025
12
1