RL Next: Meta-Learning
导言
- 背景问题：传统RL的算法和奖励都要特殊设计，并且不同领域迁移性很差；
- 想法: 能不能系统自己迭代产生适合的RL算法
- 构建一个能够表征广泛强化学习规则的搜索空间，让系统通过多代智能体在复杂环境中的交互经验，元学习（Meta-Learning）出最优的强化学习更新规则。1
笔记¶
Bridging the Gap: Challenges and Trends in Multimodal RL.
导言
快速调研多模态强化学习及其ai infra(verl类似)的下一步方向、技术点和与LLM RL的差异点：
- 说实话有点头大
- 多模态理解模型的主体就是LLM，LLM的RL基本半年后会迁移到多模态理解上，所以我要跟踪LLM RL的文章
- 多模态生成模型的RL偏向DPO为主的另一条路子；
- 多模态还涉及agent、具身智能，RL又有些不同；
- 文章多到看得头大。
Pytorch 2.5 ：Dataset & Dataloader
导言
- 数据集与数据加载器：学习如何使用torch.utils.data.Dataset和DataLoader来加载和处理数据。
- 数据预处理：介绍常用的数据预处理方法，如归一化、数据增强等。
Why Choose Quantitative Finance
导言
为什么之前认为金融只是调配资源，并不产生生产价值的我。也会想搞量化。
Blind Date 1st(2)
导言
第一次相亲(第二次见面)
Blind Date 1st
导言
第一次相亲
Blind Date Tips
导言
相亲是展现真实自我，寻找志趣相投另一半的过程。
Ideas around Vision-Language Models (VLMs) / Reasoning Models
导言
当前主流的多模态理解模型一般采用视觉编码器 + 模态对齐 + LLM的算法流程，充分复用已有视觉编码器的理解能力和LLM的基础能力。训练过程一般分为多个阶段，如先进行模态对齐的一阶段预训练，然后进行二阶段的参数微调。
排行榜:
torchrun
导言
vllm 的ray后端属实奇诡，ray stop有残留，flush打印被吞（虽然输出能标记ip，折叠重复，在master输出），ray集群的环境变量固定不变导致DP无法实现多机。
为此考虑使用torchrun实现多机并行。
写得太好了，由浅入深。
Speculative Decoding & eagle3
导言
Speculative Decoding & eagle3 是种推理时计算换带宽的方法。