强化学习算法梳理：从 PPO 到 GRPO 及之后
梳理 2024-2026 年推理 LLM 强化学习的主要进展，从 REINFORCE、PPO 讲起，到 GRPO 及 DAPO、CISPO、GSPO 等后续改进方法。
RSS 订阅
RSS 订阅
通过 RSS 订阅，第一时间获取最新文章和动态
RSS 链接
复制链接到你的 RSS 阅读器
https://www.xwysyy.cn/rss.xml
最新文章
LLM 深度解析：从后训练到 Agent 时代
P-Lib 2026 年第一次讲座的视频学习笔记：从后训练（SFT / RLHF / RLVR / DPO）到 Agent 时代的演进，涵盖推理能力三层次、Benchmark 评估方法、Agent RL 训练范式以及 LLM 能力边界的判断。
Linux配置
本文介绍如何通过配置SSH密钥和VSCode插件，实现从Windows系统远程连接Linux服务器进行开发。
Git
本文介绍Git LFS安装、代理配置及常用操作，包括连接远程仓库、提交代码、清除记录和版本回退等实用技巧。
LaTeX
本文介绍LaTeX排版系统中的数学公式基础语法，包括上标、下标、积分、求和、字体设置及文本注释等常用符号的输入方法。
Sublime Text
文章介绍了Sublime Text的破解步骤，并详细列举了其丰富的快捷键分类与用法，涵盖选择、编辑、搜索及显示等操作。
什么是 RSS？
RSS（Really Simple Syndication）是一种用于发布经常更新内容的标准格式。通过 RSS，你可以：
- 及时获取网站最新内容，无需手动访问
- 在一个地方管理多个网站的订阅
- 避免错过重要更新和文章
- 享受无广告的纯净阅读体验
推荐使用 Feedly、Inoreader 或其他 RSS 阅读器来订阅本站。
