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。
HealthBench评估系统配置实战：从零到完整部署
📋 项目概述 本文记录了一次完整的医疗AI模型评估系统搭建过程，涉及将自训练的Medical GPT模型接入HealthBench评估框架，并使用DeepSeek Chat作为评分器的完整技术实现。
DeepSeek 7B + 华佗医疗数据集增量预训练技术笔记
项目概述 本项目基于 DeepSeek-Coder-7B-Base-v1.5 模型，使用华佗医疗问答数据集进行增量预训练，旨在提升模型在医疗领域的问答能力。采用 LoRA (Low-Rank Adaptation) 技术进行参数高效微调。 技术栈 基础模型: …
MedicalGPT 预训练环境搭建与训练完整工作日志
项目概述 本文档记录了在 RTX 5090 GPU 环境下搭建 MedicalGPT 预训练环境并成功完成训练的完整过程。项目基于 Qwen2.5-0.5B 模型，使用 LoRA (PEFT) 方法进行预训练。 环境信息 操作系统: Linux 5.15.0-94-generic GPU: …