Shenyize的主页 - Algorithm & Engineering Notes

MiniMind GRPO 训练源码深度解析

2026-02-27

Reinforcement Learning

LLM

/

Reinforcement Learning

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

2764 字

|

14 分钟

PPO (RLHF) 到 DPO 的完整数学推导

2026-02-03

Reinforcement Learning

LLM

/

Reinforcement Learning

/

DPO

/

Math

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

1668 字

|

8 分钟

MiniMind DPO 训练源码深度解析

2026-02-01

Reinforcement Learning

LLM

/

Reinforcement Learning

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

2708 字

|

14 分钟

MiniMind PPO 训练源码深度解析

2026-01-29

Reinforcement Learning

LLM

/

Reinforcement Learning

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

4907 字

|

25 分钟

AtCoder ABC456_D: D - Not Adjacent 2 Editorial

2026-05-06

算法

AtCoder

/

算法

AtCoder 算法题解：D - Not Adjacent 2 Editorial

1066 字

|

5 分钟

AtCoder ABC450_D: D - Minimize Range Editorial

2026-03-25

算法

AtCoder

/

算法

AtCoder 算法题解：D - Minimize Range Editorial

569 字

|

3 分钟

AtCoder ABC449_D: D - Make Target 2 Editorial

2026-03-23

算法

AtCoder

/

算法

AtCoder 算法题解：D - Make Target 2 Editorial

604 字

|

3 分钟

AtCoder ABC448_D: D - Integer-duplicated Path Editorial

2026-03-12

算法

AtCoder

/

算法

AtCoder 算法题解：D - Integer-duplicated Path Editorial

305 字

|

2 分钟