limingqi - 博客园

靶向培养 AIGC 复合型人才：硕士生个性化能力成长与职业适配方案

摘要：一、培养目标面向 AIGC 产业对 “技术研发 + 场景落地 + 伦理合规” 复合型人才的需求，培养具备以下核心能力的硕士生：技术能力：掌握 AIGC 基础理论（生成模型原理、多模态融合等），具备 AIGC 模型开发（如大语言模型微调、扩散模型优化）、工程部署（模型压缩、推理加速）的实操能力；阅读全文

posted @ 2025-10-11 11:01 limingqi 阅读(129) 评论(0) 推荐(0)

verl中的RL训练过程中评估指标

摘要：在 Verl 框架的 RL 训练中，评估训练过程与结尾的核心指标需围绕 “训练稳定性”“策略收敛性”“任务效果”“资源效率” 四大维度展开，结合框架内置的日志、TensorBoard 监控及自定义验证逻辑实现。以下是具体的评估方法、关键指标解读及操作步骤：一、核心评估维度与关键指标（过程 + 结尾阅读全文

posted @ 2025-09-11 16:30 limingqi 阅读(1581) 评论(0) 推荐(1)

Can Group Relative Policy Optimization Improve Thai Legal Reasoning and Question Answering? 论文复现

摘要：要复现 “Can Group Relative Policy Optimization Improve Thai Legal Reasoning and Question Answering?” （以下简称 “GRPO - 泰国法律 QA 论文”），需围绕 “泰国法律 QA 任务特性” 与 “GRP 阅读全文

posted @ 2025-09-10 11:20 limingqi 阅读(36) 评论(0) 推荐(0)

DeepResearch Bench: A Comprehensive Benchmark for Deep Research Agents

摘要： 1. 一段话总结为填补深度研究智能体（DRA）评估的空白，研究团队提出DeepResearch Bench基准，包含 100 个博士级研究任务（覆盖 22 个领域，50 中文 + 50 英文），基于 96,147 条真实用户查询统计设计；同时提出RACE（参考驱动的自适应标准评估框架）和FACT（阅读全文

posted @ 2025-09-04 11:48 limingqi 阅读(324) 评论(0) 推荐(0)

verl中RL训练中需要关注那些训练指标

摘要：在 VERL（可能是指基于强化学习的视觉 - 语言或多模态任务训练框架）的 RL 训练中，需要关注的核心指标可分为训练过程指标和任务性能指标两类。结合你提供的日志信息（包含policy_loss、kl_loss、reward等），具体说明如下：一、核心训练过程指标（从日志中可见）策略损失（pol 阅读全文

posted @ 2025-09-03 18:14 limingqi 阅读(596) 评论(0) 推荐(0)

强化学习基础知识

摘要：强化学习的理解：https://www.bilibili.com/video/BV1Tg94Y8Eoq?spm_id_from=333.788.videopod.sections 阅读全文

posted @ 2025-09-02 17:52 limingqi 阅读(16) 评论(0) 推荐(0)

成对比较（Pairwise Comparison）

摘要： “成对比较（Pairwise Comparison）” 的两大核心价值：一是在 “一致性（consistency）” 上的优越性（优于其他评估方法），二是可扩展性与灵活的选项模式（适配复杂评估场景），进一步完善了 LLM-as-a-Judge 中该评估范式的理论与实践框架。以下结合论文语境和研究引用阅读全文

posted @ 2025-08-29 15:57 limingqi 阅读(230) 评论(0) 推荐(0)

qwen2.5-0.6B reranker模型 VS bge reranker模型

摘要：在实际应用中观察到 Qwen2.5-0.6B Reranker（即 Qwen3-Reranker-0.6B）排序效果不如 BGE Reranker，并非单一因素导致，而是由模型设计侧重、场景适配性、数据分布匹配度等多维度差异共同作用的结果。结合两类模型的核心特性与实际应用场景，可从以下角度拆解原因，阅读全文

posted @ 2025-08-29 14:06 limingqi 阅读(561) 评论(0) 推荐(0)

大模型生成分数（Generating scores）深度解析

摘要：这部分内容聚焦 LLM-as-a-Judge 中 “以分数形式呈现评估结果” 的核心逻辑，从 “分数的本质特性” 到 “不同复杂度的评分设计方法” 展开，核心是解决 “如何让 LLM 输出既直观又符合评估目标的分数” 这一问题，以下分维度拆解：一、核心前提：为什么用 “分数” 做评估？ “It i 阅读全文

posted @ 2025-08-29 13:30 limingqi 阅读(226) 评论(0) 推荐(0)

上下文学习（In-Context Learning, ICL）

摘要：如何通过 “上下文学习（In-Context Learning, ICL）” 定义评估任务，明确了 ICL 方法的两大关键组成（输入设计、提示设计）及具体实践维度，本质是为 “让 LLM 理解‘评什么’‘怎么评’” 提供可操作的框架。以下从 “ICL 的核心作用→输入设计的 3 个维度→提示设计的阅读全文

posted @ 2025-08-29 13:18 limingqi 阅读(269) 评论(0) 推荐(0)