开发

Learn Claude Code

Learn Claude Code 学习笔记

开发

SQLAlchemy 2.0 类型检查实践

从误报开始，找到SQLAlchemy 2.0 类型检查最佳实践

科研

从 PPO/DPO 到 GRPO 及其变体：LLM 后训练方法梳理

本文从统一的 RLHF 目标出发，梳理 PPO、DPO 与 GRPO 在 LLM 后训练中的技术路径、目标函数与工程取舍

科研

详解PPO与GRPO

《A vision researcher’s guide to some RL stuff: PPO & GRPO》中文翻译与重构