多约束生产级 Agent 系统实践：两阶段工具路由、DAG 局部重规划与轨迹级评测闭环
围绕跨境酒旅等强耦合多约束业务场景，拆解向量 Top-K 召回 + LLM 精排 + 跨语言实体链接与 Schema 门控（96%+ 调用合法率）、基于状态机的 DAG 局部子图重规划、Observation 冗余裁剪（节省 40% Token），以及从线上失败恢复轨迹构造 SFT/DPO 偏好对的评测与训练闭环。
1
|
0
分类
AI
多视角推理蒸馏（LLM-MRD）与可审计生成式评审系统（DeepReviewer 2.0）深度拆解
对比大模型落地的两条互补路径：如何用 Qwen2.5-VL 离线多视角分析结合 MLP 残差校准与温度缩放 KL 蒸馏，将推理能力压入 358M 学生模型实现 17.2 ms 独立推理（LLM-MRD，DASFAA 2026 Oral）；以及如何通过主张-证据-风险台账、PASA 可比性门控与导出预算校验构建可审计的同行评审 Agent（DeepReviewer 2.0）。
0
|
0
从 Actor、Critic 到 PPO Loss：用 GSM8K 理解语言模型强化学习
从 GSM8K 和 verl 实验出发，理解 PPO 中的 Actor、Critic、奖励对齐、GAE、概率比与反向传播。
3
|
0
在 M2 Pro 上完成 Qwen3 两阶段训练：Mid Train、SFT 与可复核评估
用 Qwen3 0.6B Base 和 MLX 完成领域持续训练与监督微调，记录数据划分、聊天模板、损失掩码、数值稳定性修复和独立测试结果。
5
|
0
大模型面试手写清单：展开公式、PyTorch 代码与易错点
从 Attention、RoPE 和 SFT 到 LoRA、PPO、DPO、GRPO，逐步展开公式并给出可运行的 PyTorch 实现，补充 KV Cache、采样和训练循环的边界情况。
5
|
0
从 Mac 到单卡 GPU：Qwen2.5-VL 部署、GRPO 与计数 LoRA 实践
在 M2 Pro 和云端单卡上部署 Qwen2.5-VL-3B，实测连续批处理、前缀缓存与 SGLang 参数调优，再用 verl 完成多模态 GRPO 更新和同条件前后评测，记录有效优化、兼容性问题与未观察到提升的结果。
6
|
0
新芽专题介绍：多模态大模型的个性化与推理加速
面向新芽学子的专题导览：梳理多模态大模型在个性化（训练侧）与推理加速（推理侧）两条主线上的核心思想、代表方法、主要挑战，并给出带链接的 66 篇文献地图与分阶段学习路径。
12
|
0
从 DeepReviewer 2.0 到 CycleResearcher：科研 Agent 如何真正做 Post-training
区分推理时 Agent 编排与模型后训练，并拆解 CycleResearcher 的领域 SFT、生成式 Reward Model、Iterative SimPO 和评测风险。
22
|
0
VisionLLM 精读：训练侧如何用语言指令定制检测与分割
拆解 NeurIPS 2023 VisionLLM 如何用 LoRA、语言引导图像 Tokenizer 与输出格式查询，把多模态大模型训练侧适配到检测、分割、视觉定位等可定制任务。
13
|
0