发布于 2025-02-19
摘要
强化学习的核心目标是通过不断调整策略（即根据当前状态选择动作的规则），使智能体表现得更好。在强化学习中，有几个关键元素至关重要：首 …
Article
发布于 2025-02-19
摘要
双网络深度因果模型（Doubly Robust Deep Causal Models, DR-DCM）是一种用于因果推断的机器学 …
发布于 2025-02-17
摘要
反事实生成对抗网络（Counterfactual GANs, CF-GANs）是统计学因果推断中的一种深度学习方法，主要用于模 …
发布于 2025-02-17
摘要
深度倾向得分模型（Deep Propensity Score Models, DPSM）是一种基于深度学习的方法，用于估计倾向得分 …
发布于 2025-02-17
摘要
01 大学毕业后在南京工作两年后，我辞掉工作，退掉租的房子，准备回家考研。那时，母亲要上班，平时不在家，想到要长期和父亲共处一室， …
发布于 2025-02-15
摘要
0. 引言 本篇讲讲deepseek在MoE（Mixture-of-Experts）上的演进过程。DeepSeek是MoE稀疏模型 …
发布于 2025-02-15
摘要
0.引言 最近整理deepseek的技术线，针对MTP（Multi-Token Prediction）方法做了些扩展的阅读和学 …
发布于 2025-02-15
摘要
deepseek最近比较出圈，本人也一直关注deepseek发布的一些技术报告。在模型训练、推理性能和计算成本上一直能给大家惊喜。 …
发布于 2025-02-15
摘要
最近 Reasoning Model（推理模型）异常火爆，Kimi 和 DeepSeek 陆续推出自家的产品 K1.5 和 R1， …
发布于 2025-02-15
摘要
已经用了两篇文章讲解了PPO的源码解读： 训练整体过程 经验数据采集过程 最后我们在来看看模型训练过程的一些细节。 1.PPO训练 …