Dynamic Construction of Causal Knowledge Graphs for Scientific Reasoning in Search Agents
rp.pdf
Tongyi DeepResearch 技术报告深度分析
一、论文基本信息 标题： Tongyi DeepResearch Technical Report 作者： Tongyi DeepResearch Team（通义深度研究团队），来自阿里巴巴集团的通义实验室 发表平台： arXiv预印本 发表日期： 2025年11月5日（最新版本）
直接偏好优化（DPO）
proof_dpo.pdf
谈 Keir Starmer
我对英格兰没什么意见，甚至某种程度上很喜欢这个国家，虽然也许苏威爱三国更适合人居住。 但 Starmer 就是 de facto 自 Theresa May 以后最烂的 PM，这人太痴迷于自己的cakeism了，路线场面左右摇摆，弄得整个社会也一起跟着他的总路线动摇。
从强化学习到近端策略优化（PPO）
proof.pdf
Post-LN Transformer 训练不稳定性的数学分析
pre-post-LN-proof.pdf
MetaGPT Agent 动态 Action 机制详解
概述 本文档详细记录了如何在 MetaGPT 框架中实现一个具有动态 Action 创建能力的 Agent。通过本教程，你将深入理解 MetaGPT 的 React 机制（run → react → think → act）以及如何在运行时动态切换 Action 序列。
坐在工位前加班的时候突然想起去年的一些旅行旧事。
坐在工位前加班的时候突然想起去年的一些旅行旧事。 去年的十二月底，搭乘全日空从东京经由札幌飞往北海道最北端的小城稚内。天气很不好，在新千岁航站楼的广播里一直在放送欠航预警。 延迟了半小时后最终还是冒着风险起飞了，落地稚内的时候已经是下午五点，外面飘着暴雪。 我从来没有见过这么厚的雪。即使是在北极，斯 …
SWE-smith 部署与问题解决技术报告
概述 本文记录了在部署和使用 SWE-smith（一个用于生成软件工程任务的工具）过程中遇到的各种技术问题及其解决方案。SWE-smith 是一个复杂的系统，涉及多个组件：bug生成、验证、收集、issue生成等。
DeepSeek + HuatuoGPT SFT 调试全记录
本文详细记录了针对 DeepSeek-Coder-7B-base-v1.5 模型，结合 HuatuoGPT 医疗对话数据进行 SFT（Supervised Fine-Tuning） 的全过程。记录从最初设计到逐步调试的每一步，包括所做的改动、背后的原因、遇到的问题、解决方案以及最终结果。