最新文章
模型学习新东西时，很容易忘掉旧东西；多模态模型不仅会忘旧任务，还可能忘掉“图像和文字原本怎么对应”，“不同模态哪个更可靠”，“预训练模型原本会的零样本能力”等更复杂的知识。
多模态 约 27 分钟
从prompt到context再到harness，本质是编写代码，为模型提供一个可操作的环境，作为harness工程师，真正的工作是实现工具、策划知识、管理上下文、控制权限、收集任务过程数据。
Agent 约 8 分钟
历时一周时间，速刷了一遍leetcode hot100，记录了一些自己的题目解答思路，以及标准答案是如何实现的（主要参考python的灵茶）
秋招 约 65 分钟
使用verl框架，gspo算法，采用gpt-5-mini对采样路径进行打分作为reward，训练qwen3.5模型的function calling能力
强化学习 约 18 分钟