文艺倾年
码龄6年
求更新 关注
提问 私信
  • 博客:513,580
    社区:1,683
    动态:108
    视频:1,013
    516,384
    总访问量
  • 249
    原创
  • 8,545
    粉丝
  • 32
    关注
IP属地以运营商信息为准,境内显示到省(区、市),境外显示到国家(地区)
IP 属地:四川省
加入CSDN时间: 2020-10-13

个人简介:学无止境!

博客简介:

文艺倾年的博客

博客描述:
大满则溢,小满则安,人生小满胜万全!
查看详细资料
个人成就
  • 新星创作者: 人工智能技术领域
  • 获得3,183次点赞
  • 内容获得283次评论
  • 获得4,326次收藏
  • 代码片获得4,787次分享
  • 博客总排名22,048名
  • 原力等级
    原力等级
    7
    原力分
    3,853
    本月获得
    3
创作历程
  • 25篇
    2026年
  • 62篇
    2025年
  • 34篇
    2024年
  • 13篇
    2023年
  • 85篇
    2022年
  • 30篇
    2021年
成就勋章
TA的专栏
  • 简历优化
    41篇
  • Vibe Coding
    1篇
  • 哲学
  • 生辰八字
    9篇
  • 人工智能
    41篇
  • 具身智能
    1篇
  • 大模型
    3篇
  • 多智能体
    5篇
  • 强化学习
    17篇
  • AFSIM
    1篇
  • 编程开发
    6篇
  • 云原生
    2篇
  • 分布式
    1篇
  • 大数据
    1篇
  • 系统架构
    3篇
  • 设计模式
    1篇
  • 数据库
    4篇
  • Docker
    2篇
  • vue
    5篇
  • Linux
    6篇
  • Git
    2篇
  • Maven
    3篇
  • Nginx
    1篇
  • JavaWeb
    1篇
  • SpringBoot
    14篇
  • C
    2篇
  • 算法之路
    1篇
  • 剑指Offer
    12篇
  • CCF-CSP
    3篇
  • 算法基础练习
    35篇
兴趣领域 设置
  • 前端
    前端框架
  • 后端
    后端
  • 云原生
    微服务
  • 运维
    服务器
创作活动更多

SoduWork 项目测评创作者招募

面向愿意亲手试用的创作者。下载客户端,选一件需要 Agent 协作的任务,让 SoduWork 参与完成,并记录安装、执行和结果。征文不能只做产品介绍。总奖金池高达 10万+,11月13日-11月29日报名。

去参加
  • 最近
  • 文章
  • 专栏
  • 资源
  • 问答
  • 最近

  • 文章

  • 专栏

  • 资源

  • 问答

搜索 取消

【强化学习】数学推导专题,20W字总结(十五)

😊你好,我是小航,一个正在变秃、变强的文艺倾年。🔔本文讲解【强化学习】数学推导专题,20W字总结(十五),期待与你一同探索、学习、进步,一起卷起来叭!🎯想随时搜我的文章、让 AI 帮你深度讲解甚至出面试题?复制下面这段提示词丢进你的 Claude Code——它会自动生成一个本地 SKILL,之后你直接说「搜一下强化学习的文章」就行。RSS 自动同步最新内容,不用手动存任何文件。一键订阅,长期可用。🚀。
原创
博文更新于 2026.06.16 ·
394 阅读 ·
1 点赞 ·
0 评论 ·
2 收藏

【强化学习】思维链 CoT,20W字总结(十四)

先把"推理"说清楚。这里说的推理,指解答那些需要多步骤、含中间过程的复杂问题——比如数学推导、解谜、复杂编程。“法国首都是哪?”——这是事实问答,不算推理。“一列火车 60 英里/小时开 3 小时走多远?”——这是推理(要先想到"距离 = 速度 × 时间")。所谓推理模型,就是专门优化来处理这类复杂推理任务的 LLM(如 DeepSeek-R1、OpenAI o1)。直接写在回答里(用户能看到),或在内部多轮迭代但不展示(像 o1)。擅长不擅长演绎/归纳推理(谜题、证明)快速粗略的回答。
原创
博文更新于 2026.06.16 ·
327 阅读 ·
6 点赞 ·
0 评论 ·
3 收藏

【强化学习】用 GRPO 微调 LLM,20W字总结(十三)

😊你好,我是小航,一个正在变秃、变强的文艺倾年。🔔本文讲解【强化学习】用 GRPO 微调 LLM,20W字总结(十三),期待与你一同探索、学习、进步,一起卷起来叭!🎯想随时搜我的文章、让 AI 帮你深度讲解甚至出面试题?复制下面这段提示词丢进你的 Claude Code——它会自动生成一个本地 SKILL,之后你直接说「搜一下强化学习的文章」就行。RSS 自动同步最新内容,不用手动存任何文件。一键订阅,长期可用。🚀。
原创
博文更新于 2026.06.16 ·
298 阅读 ·
5 点赞 ·
0 评论 ·
4 收藏

【强化学习】DeepSeek 原理深度讲解,20W字总结(十二)

😊你好,我是小航,一个正在变秃、变强的文艺倾年。🔔本文讲解【强化学习】GRPO 与 DeepSeek,20W字总结(十二),期待与你一同探索、学习、进步,一起卷起来叭!🎯想随时搜我的文章、让 AI 帮你深度讲解甚至出面试题?复制下面这段提示词丢进你的 Claude Code——它会自动生成一个本地 SKILL,之后你直接说「搜一下强化学习的文章」就行。RSS 自动同步最新内容,不用手动存任何文件。一键订阅,长期可用。🚀。
原创
博文更新于 2026.06.16 ·
630 阅读 ·
6 点赞 ·
0 评论 ·
3 收藏

【强化学习】用 DPO 微调 LLM,20W字总结(十一)

😊你好,我是小航,一个正在变秃、变强的文艺倾年。🔔本文讲解【强化学习】用 DPO 微调 LLM,20W字总结(十一),期待与你一同探索、学习、进步,一起卷起来叭!🎯想随时搜我的文章、让 AI 帮你深度讲解甚至出面试题?复制下面这段提示词丢进你的 Claude Code——它会自动生成一个本地 SKILL,之后你直接说「搜一下强化学习的文章」就行。RSS 自动同步最新内容,不用手动存任何文件。一键订阅,长期可用。🚀。
原创
博文更新于 2026.06.16 ·
307 阅读 ·
6 点赞 ·
0 评论 ·
4 收藏

【强化学习】用 PPO 微调 LLM,20W字总结(九)

😊你好,我是小航,一个正在变秃、变强的文艺倾年。🔔本文讲解【强化学习】用 PPO 微调 LLM,20W字总结(九),期待与你一同探索、学习、进步,一起卷起来叭!🎯想随时搜我的文章、让 AI 帮你深度讲解甚至出面试题?复制下面这段提示词丢进你的 Claude Code——它会自动生成一个本地 SKILL,之后你直接说「搜一下强化学习的文章」就行。RSS 自动同步最新内容,不用手动存任何文件。一键订阅,长期可用。🚀。
原创
博文更新于 2026.06.16 ·
367 阅读 ·
11 点赞 ·
0 评论 ·
4 收藏

【强化学习】DPO 甩掉奖励模型,20W字总结(十)

😊你好,我是小航,一个正在变秃、变强的文艺倾年。🔔本文讲解【强化学习】DPO 甩掉奖励模型,20W字总结(十),期待与你一同探索、学习、进步,一起卷起来叭!🎯想随时搜我的文章、让 AI 帮你深度讲解甚至出面试题?复制下面这段提示词丢进你的 Claude Code——它会自动生成一个本地 SKILL,之后你直接说「搜一下强化学习的文章」就行。RSS 自动同步最新内容,不用手动存任何文件。一键订阅,长期可用。🚀。
原创
博文更新于 2026.06.16 ·
209 阅读 ·
7 点赞 ·
0 评论 ·
4 收藏

【强化学习】RLHF 与人类对齐,20W字总结(八)

毕竟,你怎么用数学公式定义"乐于助人"“诚实”“无害”?没法直接写,但人类能判断——那就让人类当裁判。
原创
博文更新于 2026.06.14 ·
161 阅读 ·
3 点赞 ·
0 评论 ·
1 收藏

【强化学习】用 PPO 玩转倒立摆,20W字总结(七)

😊你好,我是小航,一个正在变秃、变强的文艺倾年。🔔本文讲解【强化学习】用 PPO 玩转倒立摆,20W字总结(七),期待与你一同探索、学习、进步,一起卷起来叭!🎯想随时搜我的文章、让 AI 帮你深度讲解甚至出面试题?复制下面这段提示词丢进你的 Claude Code——它会自动生成一个本地 SKILL,之后你直接说「搜一下强化学习的文章」就行。RSS 自动同步最新内容,不用手动存任何文件。一键订阅,长期可用。🚀。
原创
博文更新于 2026.06.14 ·
508 阅读 ·
1 点赞 ·
0 评论 ·
2 收藏

【强化学习】PPO 让智能体稳步提升,20W字总结(六)

😊你好,我是小航,一个正在变秃、变强的文艺倾年。🔔本文讲解【强化学习】PPO 让智能体稳步提升,20W字总结(六),期待与你一同探索、学习、进步,一起卷起来叭!🎯想随时搜我的文章、让 AI 帮你深度讲解甚至出面试题?复制下面这段提示词丢进你的 Claude Code——它会自动生成一个本地 SKILL,之后你直接说「搜一下强化学习的文章」就行。RSS 自动同步最新内容,不用手动存任何文件。一键订阅,长期可用。🚀。
原创
博文更新于 2026.06.14 ·
213 阅读 ·
9 点赞 ·
0 评论 ·
4 收藏

【强化学习】Actor-Critic 演员、评论家,20W字总结(五)

😊你好,我是小航,一个正在变秃、变强的文艺倾年。🔔本文讲解【强化学习】Actor-Critic 演员、评论家,20W字总结(五),期待与你一同探索、学习、进步,一起卷起来叭!🎯想随时搜我的文章、让 AI 帮你深度讲解甚至出面试题?复制下面这段提示词丢进你的 Claude Code——它会自动生成一个本地 SKILL,之后你直接说「搜一下强化学习的文章」就行。RSS 自动同步最新内容,不用手动存任何文件。一键订阅,长期可用。🚀。
原创
博文更新于 2026.06.14 ·
223 阅读 ·
3 点赞 ·
0 评论 ·
2 收藏

【强化学习】策略梯度法实战,20W字总结(三)

目标:让πθ\pi_\thetaπθ​网络输出的动作概率分布越来越好,使期望回报JθJ(\theta)Jθ最大方法:用采样轨迹的回报作为权重,梯度上升更新网络参数改进路径:原始策略梯度 → REINFORCE(去掉历史噪声)→ 带基线(降低方差)代码层面,核心就是三层:策略网络Policy、智能体Agent(含采样和更新)、训练循环。但策略梯度法有个老大难问题——步子太大容易训崩。
原创
博文更新于 2026.06.14 ·
268 阅读 ·
8 点赞 ·
0 评论 ·
2 收藏

【强化学习】REINFORCE 与基线,20W字总结(四)

∇θJθE∑tG⋅∇θlog⁡πθAt∣St∇θ​JθEt∑​G⋅∇θ​logπθ​At​∣St​回报GGG是个随机变量——同一条策略,不同回合能跑出完全不同的轨迹,回报也天差地别。这个"波动"就是方差。方差大意味着什么?梯度估计忽大忽小。这一步让你往左猛冲,下一步又让你往右撤,策略在原地打转,损失曲线像心电图。样本少的时候尤其明显——你根本分不清,到底是"真的该往这走",还是"只是这把运气好"。
原创
博文更新于 2026.06.14 ·
247 阅读 ·
6 点赞 ·
0 评论 ·
2 收藏

【强化学习】MDP、贝尔曼方程与CartPole 编程,20W字总结(二)

强化学习需要一个形式化的数学框架来描述智能体与环境的互动。这个框架就是马尔可夫决策过程要素数学表示含义状态迁移ps′∣saps′∣sa在状态sss执行动作aaa后,迁移到s′s's′的概率奖励函数rsas′rsas′从状态sss执行动作aaa迁移到s′s's′时获得的奖励策略πa∣sπa∣s在状态sss下选择动作aaa的概率MDP:用状态迁移概率ps′∣sap(s'|s,a)ps′∣sa。
原创
博文更新于 2026.06.14 ·
578 阅读 ·
12 点赞 ·
0 评论 ·
4 收藏

【强化学习】强化学习基本概念,20W字总结(一)

一个智能体(agent),怎么在复杂、不确定的环境(environment)中,拿到尽可能多的奖励?就这么一句话。但这句话背后,藏着 AlphaGo 击败李世石的秘诀,藏着 ChatGPT 对齐人类偏好的 RLHF 技术,也藏着自动驾驶决策系统的核心框架。智能体和环境。它俩一直在互动——智能体观察环境的状态,做出一个动作(action);环境接收到动作后,返回下一个状态和当前动作带来的奖励(reward)。智能体的目标只有一个:拿更多的奖励。一个最经典的例子——倒立摆(CartPole)。
原创
博文更新于 2026.06.14 ·
397 阅读 ·
18 点赞 ·
0 评论 ·
4 收藏

【AI Coding笔试】2026最新 Claude/OpenCode + OpenClaw 进阶实战二十万字讲解

😊你好,我是小航,一个正在变秃、变强的文艺倾年。🔔本文讲解【2026持续更新】OpenClaw + OpenCode/Claude + 高阶玩法 + 源码讲解百万字教程,期待与你一同探索、学习、进步,一起卷起来叭!
原创
博文更新于 2026.05.12 ·
5351 阅读 ·
117 点赞 ·
1 评论 ·
21 收藏

【Agent & SWE】如何针对代码审查智能体进行基准测试

研究问题:这篇文章要解决的问题是如何评估自动化代码审查工具的有效性。具体来说,现有的评估方法主要基于文本相似度或嵌入相似度,但这些方法无法准确衡量自动化生成的代码审查评论是否与人类审查员提出的问题一致。研究难点:现有评估方法的局限性、人类审查评论的噪声和不完整性、以及自动化工具输出的随机性和不可重复性。基于文本相似度的评估方法(如BLEU、ROUGE、chrF和嵌入相似度)、基于本地化的评估方法、以及使用大型语言模型作为评委的方法。
原创
博文更新于 2026.04.12 ·
541 阅读 ·
11 点赞 ·
0 评论 ·
9 收藏

【Agent & 视频剪辑】通过音乐同步进行视频剪辑

研究问题:这篇文章要解决的问题是如何利用音乐同步自动编辑数小时的长视频素材,生成有意义且富有吸引力的短视频。当前社交媒体上的视频编辑需要手动对齐音频和视频内容,这一过程耗时且重复,对电影制作人和专业内容创作者来说是一个巨大的挑战。处理长上下文的限制、实现上下文感知的叙事、以及细粒度的跨模态对齐。具体来说,现有的自动化视频编辑框架通常忽略了音频的关键作用,导致输出结果缺乏叙事连贯性和视觉音频和谐。相关工作:该问题的研究相关工作有:基于模板的方法、高光检测方法和文本驱动的方法。
原创
博文更新于 2026.04.10 ·
574 阅读 ·
9 点赞 ·
0 评论 ·
8 收藏

【强化学习&SWE】如何评估人工智能代理在持续软件演化中的表现

研究问题:这篇文章要解决的问题是如何评估人工智能代理在持续软件演化中的表现。随着AI代理越来越多地被部署为长期运行的系统,自主构建和持续演化定制软件以适应动态环境变得至关重要。然而,现有的基准测试主要评估代理在孤立的一次性编程任务上的表现,忽略了现实世界软件演化中的时间依赖性和技术债务。如何捕捉软件演化的长期动态、如何在连续环境中评估代理的性能、如何处理演化过程中出现的错误传播和技术债务。
原创
博文更新于 2026.03.24 ·
512 阅读 ·
9 点赞 ·
0 评论 ·
8 收藏

【强化学习&SWE】如何解决长距离推理和复杂多文件代码库的导航能力

研究问题:这篇文章要解决的问题是如何在代码智能领域缩小开放权重模型与专有领导模型(如Claude 4.5 Sonnet1)之间的差距。具体来说,当前的长距离推理和复杂多文件代码库的导航能力存在显著不足。研究难点:该问题的研究难点包括:长距离推理和复杂代码库的导航、模型在分布变化下的稳定性、以及如何在实际部署中优化模型容量和部署占用空间。相关工作:该问题的研究相关工作包括通用智能通过领域特定专业化显著提升的研究,以及在代码智能领域中,现有开放权重模型与专有模型之间的性能差距。
原创
博文更新于 2026.03.23 ·
457 阅读 ·
7 点赞 ·
0 评论 ·
5 收藏
加载更多