总计 4 篇文章
深入拆解 RLHF(基于人类反馈的强化学习)的完整算法流程——从 SFT 到奖励模型、PPO,再到 DPO,理解 LLM 如何从预测下一个 token 走向对齐人类偏好
通过 Shingling、MinHash 与 LSH Banding 串联,理解海量文本近似去重的数学原理与工程应用
深入 Byte Pair Encoding (BPE) 的工作流程,理解从字符到子词的合并机制,探讨它为何成为现代 LLM 的标配
记录将个人博客从 Hexo + Butterfly 迁移到 Nuxt 4 SSG 的过程和体验