發(fā)簡(jiǎn)信
IP屬地：浙江
-
Linux 常用命令
服務(wù)器備份到本地： user_name: 服務(wù)器端 用戶名123.345.67.890: 服務(wù)器端 ip1234: 服務(wù)器端口 將服務(wù)器上 整個(gè)...
-
git添加上游倉(cāng)庫(kù)
1. 添加 upstream 遠(yuǎn)程倉(cāng)庫(kù) 如果你是從一個(gè)倉(cāng)庫(kù) fork 下來(lái)的，通常需要將原始倉(cāng)庫(kù)作為 upstream 遠(yuǎn)程倉(cāng)庫(kù)。假設(shè)原始倉(cāng)庫(kù)的...
-
Linux生成 SSH 密鑰，以及authorized_keys
1. 生成密鑰（如果還沒(méi)有的話） 可以通過(guò)ls ~/.ssh 方式查看有沒(méi)有 2. 選擇存儲(chǔ)位置(可選) 系統(tǒng)會(huì)提示你選擇存儲(chǔ)密鑰的位置： 如...
-
-
-
DeepSeek-R1論文淺讀DeepSeek-R1-Zero： 直接從DeepSeek-V3-Base進(jìn)行強(qiáng)化學(xué)習(xí)RL訓(xùn)練，大概進(jìn)行了數(shù)千步，就能展現(xiàn)出強(qiáng)大的性能和驚人的推...
-
ReFT論文淺讀ReFT: Reasoning with Reinforced Fine-Tuning[https://arxiv.org/abs/2401.0...
-
DeepSeekMath論文淺讀(GRPO)Group Relative Policy Optimization(GRPO) ，從DeepSeekMath[https://arxiv.or...
-
PPO（Proximal Policy Optimization）PPO（Proximal Policy Optimization）是一種廣泛使用的強(qiáng)化學(xué)習(xí)算法，它通過(guò)優(yōu)化策略來(lái)訓(xùn)練智能體，旨在提升訓(xùn)練過(guò)程的穩(wěn)...