Personal Knowledge and Blog System
Joker
研究 x 工程 x 写作的长期实践者
我把学习、实验和项目统一到一条可验证的成长路径，用结构化内容持续迭代。
Roadmap Snapshot
查看完整路线图Featured Artifacts
浏览全部成果
Latest Updates
进入博客讨论：从《DeepSeek-R1 通过强化学习激励LLM中的推理》开始
**关键观点**：LLM 的推理能力可以通过纯强化学习 (RL) 来激励，从而无需人工标记的推理轨迹 <img src="/assets/images/LLM学习/deepseek-r1/DeepSeek-R1训练范式.png" alt="描述文字" width=…
赞哦校园集市分析助手
总览 2024年暑假，本人计划开始构建一个能智能提取、分类的校园集市助手，可惜当时技术和时间有限，在随便完成爬取后就匆匆作罢；2025年暑假，因为多了一年的历练和实习等原因，技术力具有一定提升，因此决定重拾去年未竟之事，做一个初步完整的项目构建，完成了除前端页面外…
强化学习(reinforcement learning)
强化学习的数学基础 基本概念 强化学习的基础概名词 - **状态(State)**：表示当下环境，是做决策的唯一依据 - **动作(Action)**：做出的决策，动作种数一般用 表示 - **环境(Environment)**：使智能体不断变换状态的位
- 路线图新增树状层级与局部折叠记忆
- 博客、成果、路线图形成双向关联
- 搜索系统升级为实时全站索引