- 不做数据治理的实施商不是好AI公司，Palantir研究有感
- 12-数据进入RL前经历了什么
- 11-Reward不是一个分数函数这么简单
- 10-KL-clip-entropy给模型更新装限速器
- 09-DAPO、Dr. GRPO 与长度偏置
- 08-GRPO 为什么能省掉 critic
- 07-PPO 在 LLM 后训练里真正训练了什么
- 第二组导读：算法如何落到工程
- 06 一轮 PPO/GRPO step 到底发生了什么
- 05-DataProto-RL训练流水线里的集装箱
- 04-ResourcePool和WorkerGroup-GPU资源如何被角色化
- AI 招聘如何提升校招效率？
- 03-SingleController一个大脑如何调度一群GPU工人
- 02 HybridFlow：把 RLHF 看成高层 Dataflow
- 01 为什么 AI 后训练不是一个训练脚本
- 从心出发：从“架构原本”到“训推工坊”
- 校招季简历大战：我从"堆成山"到"一键搞定"的血泪史
- AI Native 企业的架构重塑
- 2026年转型系列--科技革命转机
- 企业AI应用设计利器--动机与战略建模
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号