这是我写下的第一篇博客

汇总所有 AtCoder 和 Codeforces 的算法题解索引。

苏州大学计算机科学与技术学院软件工程专业学习指南

AIResearch 将论文发现、预筛、正文解析与结果分发整合为一条本地可复现的 research ops pipeline，适合持续跟踪特定研究方向的研究者与工程师。

深入剖析 MiniMind 项目的 GRPO (Group Relative Policy Optimization) 算法实现。

严格按照 DPO 论文推导 Section 3-4 及 Appendix A.1-A.2 的核心公式。

深入剖析 MiniMind 项目的 DPO (Direct Preference Optimization) 算法实现。

深入剖析 MiniMind 项目的 PPO (Proximal Policy Optimization) 算法实现。