The Mechanics of RL: How Inference Sampling Shapes the Probability Landscape
导言
推理采样如何重塑概率地图：在普通监督学习（SFT）中，模型是被“喂饭”——你告诉它正确答案是什么，它去模仿。而在强化学习（RL）中，模型是在“试错”——它自己写几个答案，然后根据好坏来调整自己。
Artificial Intelligence¶
My Digital Worker : New Coding Way
导言
AI浪潮下，一开始是代码补全，之后是Vibe Coding，现在是Agent，后续趋势是Agent Team/Swarm。作为一个程序员，应当以什么姿势拥抱AI时代的代码编程，是需要持续关注的问题。
My Digital Worker : Target 1
导言
- 第一阶段的目标: 接入api模型，完成每日的工作相关基础的信息收集和整理归档。
- 第二阶段的目标: 无监管处理较简单事项；
- 第三阶段的目标: 参与构建复杂系统，和辅助重要决策。
My Digital Worker
导言
Agent 概念与 OpenClaw 的爆火，本质上反映了人们对个人数字员工（Digital Worker）能力的期待：它不只是一个对话式 AI，而是一个可以在真实工作流中长期运行、承担任务、放大个人生产力的“虚拟员工”。
我真正关心的问题是：如何为自己的具体工作场景配置合适的数字员工，使其在时间与认知两个维度上对个人效率形成倍增效应。
AI Post Traning: DanceGRPO
导言
DanceGRPO是25年5月发表的论文，把GRPO的方法引入到了生成领域。（类似的有flowGRPO）。字节客户基于此魔改，故学习。
AI Post Traning: DiffusionNFT
导言
DiffusionNFT 直接在前向加噪过程（forward process）上进行优化，在彻底摆脱似然估计与特定采样器依赖的同时，显著提升了训练效率与生成质量。在GenEval任务上，DiffusionNFT仅用约1.7k步就达到0.94分，而对比方法FlowGRPO需要超过5k步且依赖CFG才达到0.95分。这表明DiffusionNFT的训练效率比FlowGRPO快约25倍。
260117 Step-3-VL 10B
导言
Step-3-VL 10B
Where Do AI Ideas Come From? A Deeper Look
导言
如果想要写AI论文，就需要总结论文核心观点的来源。
AI Model Memory
导言
大语言模型、多模态模型是如何设计来实现高效Mem机制。
World Model/UFMs/Omni-Modal: AR vs DiT
导言
视觉领域的GPT moment要来了吗？4
- World Model: (e.g., Emu3.5)
- Unified Foundation Models, UFMs，强调视觉能力的闭环。证明模型能像“看懂”图片一样“画出”图片。(e.g.,Bagel, Lumina, Emu3.5)
- Omni 强调交互能力的闭环。证明模型能像真人一样，具备实时、全感官的反应。图片生成暂时不是必须的(e.g.,Qwen-3-Omni、longcat-omni), 但是也能支持(e.g., Ming-Omni)
当前多模态设计中AR和DiT的组合关系，单独学习一下