最爱丁珰

摘要： 先说一下AReal跟llamafactory和rllm的区别 llamafactory是LLM训练框架，不原生支持训练Agent，同时是先rollout再进行奖励计算，是一个同步的过程 rllm是Agent训练框架，不原生支持训练LLM，它更像是一个训练前端，会接入一个RL训练后端 AReal既可以 阅读全文

摘要： 一道非常类似的题目 Ans && Conclusion 阅读全文

摘要： 只考虑两个序列这种操作就是我们平时说的将条件简化 然后像这种状态空间很大，但是求解答案只需要前若干个状态的题目，可以考虑用一个状态推导出下一个状态的做法。这道题目，“超级钢琴”以及“异或粽子”都可以这么做 阅读全文

该文被密码保护。 阅读全文

摘要： 奇奇怪怪的看不懂，也没有仔细看 按照这篇文章将仓库克隆，然后在.cnb.yml中配置 $: vscode: - runner: cpus: 4 - docker: # 指定开发环境镜像，可以是任意可访问的镜像。 # 如果 image 指定的镜像中已安装 code-server 代码服务，将使用单容器 阅读全文

摘要： 麻将猜猜猜：大模拟 军训队列 - 加强版：加强版是斜率优化，但是加强加强版不会 魔法学校：莫队+线段树，但是时间复杂度是\(O(n\sqrt{n}\log n)\)，最大的测试点的时间是2.75ms 偏差：两个数组做差分，然后KMP匹配判断即可 鸽子窝： 设\(f_k(n)\)代表对应答案，根据题目 阅读全文

摘要： 2026 MCM Problem C: Data With The Stars Dancing with the Stars (DWTS) is the American version of an international television franchise based on the Br 阅读全文

该文被密码保护。 阅读全文

摘要： https://aistudio.google.com/prompts/1dMqBhsgc3z_bzWBiLfCbA9TdQOXVXC61 阅读全文

摘要： 这张图解释的是深度学习分布式训练中非常经典且高效的通信算法——Ring All-Reduce（环形全归约）。 简单来说，它的目的是解决多张GPU如何最快地把各自计算出的梯度（Gradients）加在一起的问题。 以下是通俗易懂的详细解释： 1. 为什么要这么做？（背景） 在多显卡训练时，每张卡都会算 阅读全文