16 posts in total

---

2025

02-16

RLHF -- GRPO

02-16

RLHF -- DPO

02-16

RLHF -- From Zero to PPO 代码篇

02-13

RLHF -- From Zero to PPO 理论篇

02-06

最初的sin/cos编码

2024

03-11

Mamba

01-28

Optimizer Factory -- 写一个能够按层衰减的优化器工厂

01-26

详解大型项目中的AMP训练

01-23

PyTorch参数自动命名规则

01-22

MetricLogger：大厂都在用的指标记录器