https://77f3dc70.hobbytp-github-io.pages.dev/zh/training/一个关注 AI 各领域的专题博客https://77f3dc70.hobbytp-github-io.pages.dev/zh/training/reinforced_selfplay_reasoning_w_zero_data/Sun, 11 May 2025 20:10:00 +0800https://77f3dc70.hobbytp-github-io.pages.dev/zh/training/reinforced_selfplay_reasoning_w_zero_data/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。https://77f3dc70.hobbytp-github-io.pages.dev/zh/training/finetuning/Wed, 26 Feb 2025 22:14:00 +0800https://77f3dc70.hobbytp-github-io.pages.dev/zh/training/finetuning/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。https://77f3dc70.hobbytp-github-io.pages.dev/zh/training/test_time_scaling/Wed, 19 Feb 2025 16:40:00 +0800https://77f3dc70.hobbytp-github-io.pages.dev/zh/training/test_time_scaling/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。https://77f3dc70.hobbytp-github-io.pages.dev/zh/training/s1_simple_testtimescaling/Mon, 10 Feb 2025 21:36:00 +0800https://77f3dc70.hobbytp-github-io.pages.dev/zh/training/s1_simple_testtimescaling/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。