發(fā)簡信
IP屬地：上海
-
【清華代碼熊】面試官：DPO訓練后為什么偏好更長輸出？
?? 本期介紹米哈游DPO面試題三連問：DPO訓練后為什么偏好更長輸出？有什么問題？如何緩解？
-
【清華代碼熊】字節(jié)面試官：大模型RL到底加不加KL散度約束？
?? 今天來解析面試題：如何根據RL任務調整KL散度？是否應該去掉KL？GRPO之后有哪些KL優(yōu)化策略？
-
【清華代碼熊】大模型 RL 強化學習面試題解析（26暑期實習）
?? 今天來解析26暑期實習面試中大模型強化學習 RL、Agentic RL、RL Agent 的高頻考點考題。
-
【清華代碼熊】MTP （Multi-Token Prediction）源碼詳解
?? 最近發(fā)布的大模型（多模態(tài)大模型）普遍都使用了 MTP （Multi-Token Prediction），包括 DeepSeek v4 / Q...
-
【清華代碼熊】DeepSeek V4多模態(tài)技術解析：以視覺基元思考?? 今天解析DeepSeek開源又緊急撤回的論文：《Thinking with Visual Primitives》，在 DeepSeek V4...
-
【清華代碼熊】GVPO：Coding Agent RL 解決獎勵錯位問題
?? 今天來解析 GVPO（Group Verification-based Policy Optimization），使用 GRPO 訓練 Co...
-
【清華代碼熊】GLM 5.1 Infra：大規(guī)模Coding Agent推理優(yōu)化?? 今天來解讀智譜 GLM 團隊分享的《Scaling Pain of Coding Agent Serving: Lessons from D...
-
【清華代碼熊】拆解DeepSeek V4訓練：預訓練+ OPD后訓練?? 今天來解析 DeepSeek V4訓練流程，主要關注預訓練階段與 V3/V3.2 的區(qū)別、1M長上下文拓展訓練、后訓練 On-Policy ...
-
【清華代碼熊】解析DeepSeek V4如何把KV Cahce壓縮到10%？
?? 昨天解析了 DeepSeek V4 的架構，解釋了 CSA+ HCA 為什么能在低 KV Cache 開銷下實現 1M上下文?? ?? 但是 D...