240 发简信
躺不平的NLPer
IP属地：浙江
  • Linux 常用命令

    服务器备份到本地： user_name: 服务器端 用户名123.345.67.890: 服务器端 ip1234: 服务器端口 将服务器上 整个...

    11 0 0
  • git添加上游仓库

    1. 添加 upstream 远程仓库 如果你是从一个仓库 fork 下来的，通常需要将原始仓库作为 upstream 远程仓库。假设原始仓库的...

    46 0 0
  • Linux生成 SSH 密钥，以及authorized_keys

    1. 生成密钥（如果还没有的话） 可以通过ls ~/.ssh 方式查看有没有 2. 选择存储位置(可选) 系统会提示你选择存储密钥的位置： 如...

    106 0 0
  • Resize,w 360,h 240
    五大过程组-十大知识领域-49个过程-工具使用

    28 0 0
  • Resize,w 360,h 240
    绩效域

    29 0 0
  • Resize,w 360,h 240
    DeepSeek-R1论文浅读

    DeepSeek-R1-Zero： 直接从DeepSeek-V3-Base进行强化学习RL训练，大概进行了数千步，就能展现出强大的性能和惊人的推...

    154 0 0
  • Resize,w 360,h 240
    ReFT论文浅读

    ReFT: Reasoning with Reinforced Fine-Tuning[https://arxiv.org/abs/2401.0...

    155 0 0
  • Resize,w 360,h 240
    DeepSeekMath论文浅读(GRPO)

    Group Relative Policy Optimization(GRPO) ，从DeepSeekMath[https://arxiv.or...

    2774 0 0
  • Resize,w 360,h 240
    PPO（Proximal Policy Optimization）

    PPO（Proximal Policy Optimization）是一种广泛使用的强化学习算法，它通过优化策略来训练智能体，旨在提升训练过程的稳...

    1257 0 0
暂无个人介绍