papers
Reinforced Self-play Reasoning with Zero Data 论文解读
论文介绍了强化自博弈推理的零数据范式，通过自博弈生成任务和验证，实现无需依赖人工标注数据或预设任务的自主学习推理。
papers
Reinforced Self-play Reasoning with Zero Data 论文解读
论文介绍了强化自博弈推理的零数据范式，通过自博弈生成任务和验证，实现无需依赖人工标注数据或预设任务的自主学习推理。
Trainings
training
微调
本文介绍了微调的常见挑战及其克服方法，并详细介绍了如何使用Unsloth在消费级GPU上对DeepSeek-R1进行微调。
papers
Test-Time Scaling 相关论文解读
本文介绍了Test-Time Scaling（测试时扩展）的概念，并对其技术原理、主要贡献、论文方法、评估结果和局限性进行了详细解读。
papers
Simple Test-Time Scaling 论文解读
本文介绍了来自李飞飞团队的Simple Test-Time Scaling论文，并对其技术原理、主要贡献、论文方法、评估结果和局限性进行了详细解读。
papers
Simple Test-Time Scaling 论文解读
本文介绍了来自李飞飞团队的Simple Test-Time Scaling论文，并对其技术原理、主要贡献、论文方法、评估结果和局限性进行了详细解读。
The Surprising Effectiveness of Test-Time Training for Abstract Reasoning
