背景知识 监督微调的做法是给它标准答案，让它模仿；强化学习的做法则是让模型先生成，再用一个奖励函数评价这次生成的结果，然后提高高奖励输出出现的概率，降低低奖励输出出现的概率。 把语言模型写成强化学习里的策略，记为 $\pi_\theta$。给定输入 $q$，模型生成一个输出序列 $o=(o_1,o_2,\ldots,o_T)$。在自回归模型里，第 $t$ 个 token 的生成概率是： ...

参考：Webarena、WebAgent-R1 Map 网站 后端服务部署 (Tile, Nominatim, OSRM) 在 WebArena 中，地图功能并不依赖外部公网 API（如 Google Maps），而是完全本地化部署。这涉及三个核心服务： Tile Server: 提供地图瓦片图片渲染（视觉层）。 Nominatim: 提供地理编码服务（搜索地址转坐标，或...

一篇工作 CrowdAgent: Multi-Agent Managed Multi-Source Annotation System 被 EMNLP 2025 System demonstrations 接收了，在这篇博客中，我想简要谈谈论文背后的工作、限制与其他的一些想法 太长不看 CrowdAgent 可以看作是之前 EMNLP’23 发表的 FreeAL 的延申。 Fr...

参考： 丰川祥子堂吉诃德论 wiki 丰川祥子人物分析 谁是Ave Mujica最强数值怪？丰川祥子是个怎样的“人”？（上） 丰川祥子是 BanG Dream! 系列动画 MyGO 和 Ave Mujica 的重要人物，在动画播出时讨论度很高。丰川祥子是复杂的，多面的，在不同的观众中形象不同，对于很多人来说，似乎在这个角色中看到了自己的影子。...

平行世界，虚拟时间，虚拟地点，虚拟公司，请不要对号入座 福利与工作环境 L 型工位，带两个柜子和人体工学椅，工位间的隔板很高，环境很不错。不过对于有些不太幸运的实习生，正式工位不够，就只能在走廊里架一个临时桌子当工位。 每个楼层分 A、B、C 区，只有 B 区有会议室，其他都是工位。会议室有各种规模的，几人到100多人。事实上，如果是谈具体的工作，那么十人左右的会议室完全足够了。10...

本文旨在完整记录一次利用开源框架LLaMA-Factory对Qwen2.5-VL-7B-Instruct模型进行微调（SFT、RL）的全过程。内容涵盖环境配置、任务定义、数据准备、训练策略、过程监控、推理验证、结果分析与部署。 环境准备 使用了如下软硬件及模型资源： 硬件环境: 本次实践基于8张NVIDIA A800（80GB显存）GPU服务器。 微调框架: LLaMA-Fa...

很多时候，我们思考的一切，别人已经思考过了。 这篇文章尝试讲解 Gigachad、Virgin、Incel、Neckbeard、Wojak、Doomer等符号，作为认识自己的一些前置准备 引入 我们都知道这个男人 Gigachad。最纯净、最完美的肉体，全部人类雄性概念所提炼出的最高精华，斗志与耐性与黄金精神更是带给他的追随者无限惊喜。时而他鼓励人们走进健身房进行自我提升；时...

没有适合所有业务的开发流程，从0开做加法，而不是从100开始做减法 对于复杂业务，模块众多，研发及测试需要跨模块开发及测试，不同模块间流程不统一导致了跨模块开发时成本的增加。因此，需要建设统一的的开发测试上线流程。此外，为了降低流程的成本，通过服务号及机器人等方式，在关键节点通过自动化手段辅助，实现无人介入的目标 阶段 阶段说明 ...

具有深度学习或者计算机背景的同学看到这个标题，或许会以为是“一种（基于深度学习的）静默的模型/数据生成方法”。 哈哈，实则不然，只是作为时代浪潮下，2025届全国普通高校毕业生1222万人中的一员，聊聊我所看到的，青年的困境。标题翻译成“寂静的一代”更加适合。 学历贬值 上世纪90年代初，日本在几十年的飞速发展之后，经历了突如其来的经济泡沫破灭，大学毕业生就业率陡然下降，许多名校...

为 Flarum 编写插件所需要的基础知识与实例 支撑组件 PHP是在服务器端运行的脚本语言，与HTML紧密结合。开发人员可以在HTML中嵌入PHP代码，并在服务器上进行解析和执行。这种结合使得开发人员能够轻松地生成动态的Web页面，根据用户的请求动态生成内容。与C、C++语言有着相似的语法结构，与许多数据库管理系统（DBMS）兼容，如MySQL、Oracle、SQLite等。多线程支...