AI - 标签 - lilfry's library

AI

2026

轻一点的 harness，强一点的 runtime：Agent 训练轨迹里的信号问题 05-05

模型更强之后，Agent 框架会怎样退到 runtime 05-05

告别盲目堆算力：让AI编程智能体从经验中学会“思考” 05-05

读 MOPD：后训练正在从单一 RL 走向多教师能力合并 05-05

GroupDPO: Memory efficient Group-wise Direct Preference Optimization 05-05

coding agent数据合成-qwen调研 04-19

面试高频：Bradley-Terry vs Plackett-Luce，奖励建模到底差在哪 04-08

读 YaRN：长上下文扩展，核心不是硬拉窗口，而是别把 RoPE 拉坏了 04-07

读《Reasoning with Sampling》：RL 没让模型变聪明，它只是在重分配推理能力 04-07

读 OLMo 3：真正重要的不是新架构，而是训练信号 04-06

1
2