章节

422 个页面

Posts

shortcode(置顶)

LLM 训练教程 · Ch12 端到端 CPT（继续预训练）

GRPO训练排查：策略坍塌 vs 训练崩溃

RSI：Recursive Self-Improvement 分类图谱

Ultra-Scale Playbook · High-Level Overview 速查

SAO — Single-Rollout Asynchronous Optimization for Agentic RL

LLM 八股导览

GLM-5.3 阅读笔记 — 后训练 scaling、SAO 算法与 Slime 框架

NoPE

SFT、RL 与 OPD：从分布视角理解后训练