OS:TEP MLFQ 策略 前言 其实, 我学 Linux 内核的时候, 并不只是阅读 LKD 和翻阅源码. 我同时还在阅读 OS:TEP(Operating System: Three Easy Pieces), 对, 就那本讲操作系统的...

单调栈 题目 定义：一个下标 $i$ 是序列 $a$ 的后缀最大值下标当且仅当对于所有的 $i lt; j \le |a| $ ，都有 $a_igt;a_j$。其中 $|a|$ 表示序列 $a$ 的长度。给出整...

背景 昨日写题的时候，偶遇一道神奇的构造题，题目是这样的： 构造一个长度为\(2^n\)的序列\(p_0,p_1,…,p_{2^n−1}\)，使得相邻两项异或值之和最小。 这道题...

KMP算法是由D.E. Knuth、J.H. Morris和V.R. Pratt(其中Knuth和Pratt共同研究, Mor-ris独立研究)发表一个模式匹配算法，KMP算法的最大特点使得它在处理大量文本匹配的问...

目录 逆序对简介 逆序对能做什么 一些逆序对杂题 总结 逆序对简介 逆序对定义 给定一个序列 \(a\)，存在有序对 \((i,j)\)，满足 \(ilt;j\) 且 \(a_i gt; a_j\)，则...

PPO并非“万能增强器”，而是精准解决模型“行为偏好错位”的工具：当模型“会但总选错”（如安全拒答生硬、风格不稳、高风险下过度自信）时，PPO通...

PPO实战难点不在算法理解，而在系统性不确定：动态数据、不稳reward、多目标冲突。关键在于明确对齐目标、用SFT模型起步、必备reference、设计偏好型rew...

参数一多，微调就变成了一场“看不见赔率的赌博” 如果你做过几次大模型微调，大概率会有一种非常熟悉的体验。 第一次跑通微调之后，你开始觉得这...

LoRA 确实解决了很多现实问题，这一点没有任何争议。但问题在于，LoRA 被过度神话了。很多人把它当成了一种“几乎没有代价的微调方式”，仿佛只要挂上...

在工程实践中，真正成熟的团队，并不是“什么都敢调”，而是知道什么时候该收手。微调是一种非常强的工具，但正因为它强，才更需要克制。很多时候...