转码日记
共 44 篇文章
学习day37：继续学习，改简历，海投简历
lc：416 昨天学习了 DPO——一种跳过奖励模型和 RL 循环的偏好优化方法 尽管 DPO 在很多场景中可以替代 RLHF，但 RLHF 的在线探索能力在训练推理模型时不可替代。 理解 RLHF 也是理解 GRPO（下一节）的必要基础。 InstructGPT 三阶段流程 SFT RM PPO
学习day36：恢复中，学习时长还行，巴哥的过期cp好好磕
昨晚八点多睡觉了，睡到半夜三点起了，玩了一小时手机又一口气睡到早上十点。 刷视频刷到巴哥和HEBE，磕爽了，这么好磕的cp不多了。寒假上一对磕的是lex，恨海情天的cp就是很有故事张力啊（迫真）！！ 今天继续学习后训练，明天晚上之前一定开始海投实习。 ChatML 天然支持多轮对话，只需按顺序排列多
学习day35：回学校了
暂无摘要...
学习day32：
lc：33、153 昨天粗放地把RAG项目过完了，感觉离能写到简历上还差一点距离，不过过几天再复习了，今天继续读猛猿的博客，初七回去初八就可以开始修改一份新简历来投中小厂的实习了。 GPT系列 训练框架InstructGPT 教会模型怎么说话（pretrain） 引导模型按照人类的意图（intent
学习day31：熬夜睡醒就18：00 晚上学了一点
暂无摘要...
学习day30：春节中
暂无摘要...
学习day29：春节中
暂无摘要...
学习day28：春节中
暂无摘要...
学习day27：春节中
暂无摘要...
学习day26：春节中
暂无摘要...