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
标签
GRPO
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
RePIC 精读：用可验证奖励训练个性化多模态模型
拆解 NeurIPS 2025 的 RePIC：以 GRPO、对象一致性、视觉定位和身份一致性奖励，用 2K 样本后训练 Qwen2.5-VL，提升多主体个性化图像描述，属于个性化（训练侧）方向。
12
|
0