Pytorch 7 ：Memory Optimization(Freeing GPU/NPU Memory Early)
导言
- 对于不使用的python对象，如何释放？
- python 的对象管理机制
- del，empty_cache , gc_collect的原理
2025¶
RL Algorithms: PPO & GRPO-like
导言
- RL 算法(Reinforcement Learning from Verifiable Rewards (RLVR))在 2025年的GRPO提出后其变种和应用范围迎来了井喷爆发。
- 本文详细介绍 PPO、GRPO以及DAPO。
Bridging the Gap: Challenges and Trends in Multimodal RL.
导言
快速调研多模态强化学习及其ai infra(verl类似)的下一步方向、技术点和与LLM RL的差异点
AI调研真实性问题以及应对：
- 问题：现在的 Arxiv 时代，处于“狂野西部”状态。迭代极快，但也伴随着刷榜（SOTA-chasing）、数据污染、甚至直接编造数据。
- 应对：
- 看竞场：对于大模型，唯一的真理是“盲测竞技场 lmarena”的排名，而不是论文里的表格。
- 看时间：AI论文日新月异，要注意发布时间；
- 看落地：已有模型使用的方法，至少能证明方案是可行和正向有效的；
- 看出身：是 Meta/Google/DeepMind 吗？是知名教授吗？ -> 是，则细读。
- 看开源：Hugging Face 上有模型吗？GitHub 有星吗？ -> 有，可信度 +50%。
- 看复现：Issue、Twitter 和 Reddit 上有人复现成功吗？ -> 有，纳入核心趋势。
- 看引用：如果这篇论文刚出不久就被很多高质量论文引用，说明其思路已被同行关注。
时刻关注前沿：
Pytorch 2.5 ：Dataset & Dataloader
导言
- 数据集与数据加载器：学习如何使用torch.utils.data.Dataset和DataLoader来加载和处理数据。
- 数据预处理：介绍常用的数据预处理方法，如归一化、数据增强等。
Why Choose Quantitative Finance
导言
为什么之前认为金融只是调配资源，并不产生生产价值的我。也会想搞量化。
Blind Date 1st(2)
导言
第一次相亲(第二次见面)
Blind Date 1st
导言
第一次相亲
Blind Date Tips
导言
相亲是展现真实自我，寻找志趣相投另一半的过程。
Ideas around Vision-Language Models (VLMs) / Reasoning Models
导言
当前主流的多模态理解模型一般采用视觉编码器 + 模态对齐 + LLM的算法流程，充分复用已有视觉编码器的理解能力和LLM的基础能力。训练过程一般分为多个阶段，如先进行模态对齐的一阶段预训练，然后进行二阶段的参数微调。
torchrun
导言
vllm 的ray后端属实奇诡，ray stop有残留，flush打印被吞（虽然输出能标记ip，折叠重复，在master输出），ray集群的环境变量固定不变导致DP无法实现多机。
为此考虑使用torchrun实现多机并行。
写得太好了，由浅入深。