Harry Yu logo

大模型

大模型（LLM）相关：架构、训练、推理、应用

文章

✒️万字长文：LLM 后训练基础知识&常见“黑话”整理

LLM RL 中的 Credit Assignment 问题

GRPO 训练中的量词简介

LLM 后训练方法概览与 TRL 源码解读

LLM RL 中数据复用引发的 off-policy 问题与解决方法

Temperature 的数学本质🔣