二三事

关键词：偏好优化、强化学习 (RL)、Bradley-Terry 模型、RLHF、策略梯度、Actor-Critic、TRPO、PPO、DPO。

依 MoE 演进时间线，以文献综述的形式梳理大模型 MoE 算法的理论发展。

从 RNN、BPTT 到 Attention 与 Transformer 的数学原理，系统分析梯度传播、Self-Attention、因果掩码与 KV Cache 等机制的理论逻辑。

从统计学与信息论的视角讨论交叉熵，分别对应 MLE 与最优编码。

在泛函分析与测度论的高观点上，重新讨论五种方差缩减技术：控制变量、对偶变量、分层抽样、Rao-Blackwellization 与重要性采样。

线性代数 / 高等代数中的矩阵相关基础理论。

记忆中的 2025，一篇短文。

游戏《世界计划：缤纷舞台！》（《初音未来：缤纷舞台！》）用户资产数据抓包的详细流程。

试图用简洁明了的语言向同学们介绍并演示如何使用编码智能体。

攒点抽象文案，可复制食用……