更多精彩内容,欢迎继续阅读
最近在调一个机械臂抓取的强化学习模型,遇到了很典型的问题——稀疏奖励环境下,智能体前几十万个step的reward几乎是零,loss完全不动,训练曲线像一条死线。这种时候很多人会选择改奖励函数、加shaping,但我想换个思路&…
阅读更多 →做Agent开发的朋友,最近估计都有同感:单Agent玩到一定程度就进瓶颈期了。上下文窗口撑不住,工具一多提示词就乱,任务稍微复杂一点,模型就开始“精神分裂”。带着这些问题,我花了一个多月时间把这套“DeepAg…
阅读更多 →“全栈自造Status Deck”这个系列做到第三篇,终于轮到桌面端上位机程序开发。前两篇把下位机的数据采集和中间层服务跑通之后,我一直觉得缺一块东西:数据都在机器里,但我打开手机、打开网页还是隔了一层,最直观的反馈还…
阅读更多 →大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…
阅读更多 →当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:
阅读更多 →📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…
阅读更多 →文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…
阅读更多 →一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…
阅读更多 →文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…
阅读更多 →