WRITINGS / A KNOWLEDGE COLLECTION
9 月以来的知识整理
从强化学习与后训练,到 Agent 工程、世界模型与空间智能。沿着问题和主题,重新串起这些学习与实践。
47 篇 · 按主题阅读 · 保留原有章节结构
查看完整章节总览 →47 篇文档
01 / 6 篇
世界模型与空间生成
从潜在动力学、交互式环境到可控的三维世界。
- 01
Mastering Diverse Domains through World Models(DreamerV3)解读
DreamerV3 的世界模型、行为学习与尺度适应设计,以及它如何用同一组超参数应对不同任务。
章节预览
原目录
bytetech-community/讲座与论文/2301 - DreamerV3 - Google DeepMind - 一套固定超参打通150+任务的世界模型强化学习/Mastering Diverse Domains through World Models-解读版.md
- 02
Genie: Generative Interactive Environments——解读版
Genie 如何从无动作标签的视频学习潜在动作,生成可以交互的环境。
章节预览
原目录
bytetech-community/讲座与论文/2402 - Genie - Google DeepMind - 从无标注视频无监督学习可交互世界模型/Genie - Generative Interactive Environments-解读版.md
- 04
Cosmos World Foundation Model Platform for Physical AI(解读版)
Cosmos 的数据处理、视频 tokenizer、世界基础模型与 Physical AI 应用链路。
章节预览
原目录
bytetech-community/讲座与论文/2501 - Cosmos - NVIDIA - 物理AI的世界基础模型平台/Cosmos World Foundation Model Platform for Physical AI-解读版.md
- 05
V-JEPA 2(Self-Supervised Video Models Enable Understanding, Prediction and Planning)解读
V-JEPA 2 的自监督表征、动作条件世界模型和规划方法,并区分各阶段的数据与能力。
章节预览
原目录
bytetech-community/讲座与论文/2506 - V-JEPA 2 - Meta AI - 百万小时视频自监督的世界模型用于理解与机器人规划/V-JEPA 2-解读版.md
- 06
Atlas 技术解读(二次解读)
从系统结构与能力边界理解 Atlas,连接空间上下文、相机控制与世界生成。
原目录
bytetech-community/讲座与论文/260901 - Atlas世界模型 - World Labs - 统一生成重建与空间仿真/Atlas - A World Model for Spatial Intelligence-解读版.md
- 07
Atlas: A World Model for Spatial Intelligence
Atlas 的完整来源文章,保留相机控制、空间一致性、场景编辑及图示。
章节预览
原目录
bytetech-community/讲座与论文/260901 - Atlas世界模型 - World Labs - 统一生成重建与空间仿真/Atlas - A World Model for Spatial Intelligence.md
02 / 5 篇
强化学习:从基础到策略优化
先建立状态、价值与探索的概念,再看 PPO、GRPO 与训练稳定性。
- 10
多臂老虎机与马尔可夫决策过程:从入门到体系
从多臂老虎机的探索与利用,走向 MDP 的状态转移、策略和价值函数。
章节预览
原目录
bytetech-community/AI工程/框架与调研/260914 - 多臂老虎机与马尔可夫决策过程 - 系统整理 - 强化学习决策建模基础。/多臂老虎机与马尔可夫决策过程详解.md
- 12
Markov 家族算法系统教程:从马尔可夫性质到 MDP、HMM 与 MCMC
围绕马尔可夫性质串起马尔可夫链、HMM、MDP、POMDP、MCMC 及它们的关系。
章节预览
原目录
bytetech-community/AI工程/框架与调研/260916 - 强化学习基础从Markov到GRPO - 系统整理 - 从马尔可夫性质到GRPO变体的完整推导与业务落地。/260916 - Markov家族算法系统教程 - 系统整理 - 从马尔可夫性质到马尔可夫链、HMM、MDP、POMDP与MCMC。.md
- 11
GRPO 及其变体系统教程:从强化学习基础到业务落地
连接策略梯度、PPO、GRPO 与多种变体,保留公式推导、比较表和业务应用讨论。
原目录
bytetech-community/AI工程/框架与调研/260916 - 强化学习基础从Markov到GRPO - 系统整理 - 从马尔可夫性质到GRPO变体的完整推导与业务落地。/260916 - GRPO及其变体系统教程 - 系统整理 - 从RL基础到GRPO公式推导、12+变体对比与Base AI落地。.md
- 13
01 · PPO / GRPO 与熵控制
Actor–Critic、重要性采样与 PPO 裁剪,再到 GRPO 去 Critic 和熵控制。
原目录
bytetech-community/AI工程/框架与调研/260922 - GRPO变体知识图谱 - 系统整理 - 从PPO到熵控制与On-Policy蒸馏的完整后训练图谱/01-PPO-GRPO-与熵控制.md
- 29
RL 训练指标与泛化概念总结
区分训练目标、纯奖励、验证与测试指标,理解 KL、熵和泛化信号。
章节预览
原目录
project-notes/Lark-Base-AI后训练/05-Spec-Agent合训/02-训练稳定性与OOD/RL训练指标与泛化概念总结.md
03 / 6 篇
后训练、偏好优化与蒸馏
把监督信号、散度方向、教师信息和优化目标放在同一张地图上。
- 26
Basics of LLM Post Training
从 SFT、PEFT 到 PPO、GRPO、DPO 与 KTO,保留后训练入门材料中的公式和图解。
原目录
feishu-internal/Base-AI飞书文档合集/250331 - LLM Post Training基础 - SFT、PEFT、PPO、GRPO、DPO与KTO/Basics of LLM Post Training.md
- 08
On-Policy Distillation:OPD 和 SFT/RL 比较
从 Forward / Reverse KL 入手,比较 OPD、SFT 和 RL 的数据分布及监督信号。
章节预览
原目录
bytetech-community/AI工程/框架与调研/260831 - On-Policy Distillation - ByteTech - 比较OPD与SFT和RL监督信号/On-Policy Distillation:OPD 和 SFT RL 比较.md
- 15
03 · On-Policy Distillation 家族
OPD 与 RLVR 的监督差异,三种散度、SDPO 反馈蒸馏和教师信息不对称问题。
章节预览
原目录
bytetech-community/AI工程/框架与调研/260922 - GRPO变体知识图谱 - 系统整理 - 从PPO到熵控制与On-Policy蒸馏的完整后训练图谱/03-On-Policy-Distillation家族.md
- 16
On-Policy Distillation 方法辨析:OPSD / OPCD / SDPO 与 KL 方向
拆开两个独立问题:教师额外看到什么信息,以及训练使用哪个方向的 KL。
章节预览
原目录
bytetech-community/AI工程/框架与调研/260924 - On-Policy Distillation方法辨析 - 内部讨论 - OPSD OPCD SDPO与KL方向/On-Policy Distillation方法辨析:OPSD OPCD SDPO与KL方向.md
- 18
《Why DPO is a Misspecified Estimator and How to Fix It》深度解读
分析 DPO 在参数化策略下的错配问题,解释论文提出的修正与证据边界。
章节预览
原目录
bytetech-community/AI工程/论文解读/251023 - AuxDPO - IISc - 修正参数化策略下DPO错配估计/ICLR 2026 Oral:DPO 从一开始就是错的!-解读版.md
- 19
ICLR 2026 Oral:DPO 从一开始就是错的!
保留 AuxDPO 来源文章的文字与图示,与深度解读对照阅读。
原目录
bytetech-community/AI工程/论文解读/251023 - AuxDPO - IISc - 修正参数化策略下DPO错配估计/ICLR 2026 Oral:DPO 从一开始就是错的!.md
04 / 5 篇
Agent 工程与轨迹数据
串起数据合成、代码执行、Judge–Fix、Auto-Thinking 与项目实践。
- 03
Agentic 轨迹数据合成调研报告:OS-Genesis × AgentTrek
对照 OS-Genesis 的环境探索路线与 AgentTrek 的教程回放路线,梳理轨迹筛选、评价和融合方式。
章节预览
原目录
bytetech-community/讲座与论文/2412 - Agent Trajectory Synthesis - OS-Genesis与AgentTrek - GUI智能体轨迹数据合成调研/Agentic-轨迹数据合成调研报告.md
- 14
02 · CodeAct 与 Agent 工程
用代码作为动作的 Agent 执行链路,以及沙箱、SDK、TypeScript 和工具调用的基本概念。
章节预览
原目录
bytetech-community/AI工程/框架与调研/260922 - GRPO变体知识图谱 - 系统整理 - 从PPO到熵控制与On-Policy蒸馏的完整后训练图谱/02-CodeAct-与Agent工程.md
- 09
大模型训练与推理搜索术语体系及 Judge-Fix 链路搜索升级方案
梳理训练与推理搜索术语,进一步讨论 Judge–Fix 链路中的搜索、路由和计算预算。
章节预览
原目录
bytetech-community/AI工程/框架与调研/260901 - 训练与推理搜索术语 - 综合整理 - 映射Judge-Fix链路升级/大模型训练推理术语体系与judge-fix链路搜索升级方案.md
- 27
多维表格 Code Agent 训练体系与 Auto-Thinking 完整解析
完整连接 Code Agent 训练体系、三档思考模式、逐轮门控、数据策略、奖励和验证设计。
章节预览
原目录
feishu-internal/Base-AI飞书文档合集/260730 - Auto-Thinking - 用SFT与RL优化CodeAgent/多维表格CodeAgent训练体系与Auto-Thinking完整解析.md
- 30
Lark Base AI 后训练:已投递简历面试讲解与追问准备
按项目和追问组织后训练经验、基础概念与证据确认卡,保留原材料中的未确认项。
章节预览
原目录
project-notes/Lark-Base-AI后训练/90-会议、汇报与交接/20260915-已投递简历面试讲解与追问准备.md
05 / 5 篇
推理状态、空间工作区与决策
模型如何重读上下文、组织空间信息,并输出可校准的决策。
- 20
Trace as State:前置推理轨迹,引导长上下文重读
解释前置推理轨迹如何成为重读长上下文时的状态,并讨论方法的适用范围。
原目录
bytetech-community/AI工程/论文解读/260902 - Trace as State - 清华大学 - 前置推理轨迹引导长上下文重读/智谱&清华提出推理新范式:无需训练,DeepSeek V4 GLM-5.2 长文本推理效果暴涨-解读版.md
- 21
智谱&清华提出推理新范式:无需训练,DeepSeek V4/GLM-5.2 长文本推理效果暴涨
Trace as State 的来源文章与图示,保留原有实验描述和阅读线索。
章节预览
原目录
bytetech-community/AI工程/论文解读/260902 - Trace as State - 清华大学 - 前置推理轨迹引导长上下文重读/智谱&清华提出推理新范式:无需训练,DeepSeek V4 GLM-5.2 长文本推理效果暴涨.md
- 22
S-Space 深化解读:多模态模型里的可读写空间工作区
围绕可读写空间工作区,深入讨论 S-Space 的探测、干预与复现证据。
章节预览
原目录
bytetech-community/AI工程/论文解读/260907 - S-Space - MirroS - 探测多模态模型空间工作区/S-Space-深度精读报告-深化版.md
- 23
《S-Space: Exploring Spatial Workspace in Multimodal Models》精读笔记
按论文结构理解 S-Space 的空间表征、实验设置、结果与局限。
章节预览
原目录
bytetech-community/AI工程/论文解读/260907 - S-Space - MirroS - 探测多模态模型空间工作区/S-Space-深度精读报告.md
- 17
StartLux-Decision 与类 Jev 决策模型:候选项读出、训练、校准与 RLCR
候选项 logits、概率读出、训练与温度校准,以及决策模型的评估方式。
章节预览
原目录
bytetech-community/AI工程/框架与调研/261009 - StartLux-Decision - StartLuxLabs - 类Jev候选项决策与概率校准/StartLux-Decision与类Jev决策模型解读.md
06 / 3 篇
模型架构与工程平台
连接模型内部结构、训练部署工具和多人协作平台。
- 28
LLM 技术总结 — DeepSeek 与 Qwen3 架构对比
通过 DeepSeek 与 Qwen3 比较,梳理分词、注意力、MoE、训练和推理架构。
原目录
learning/machine-learning/260916-LLM-Architecture-DeepSeek-vs-Qwen3/LLM技术总结.md
- 24
火山方舟(Ark)使用指南
方舟的训练、精调、模型部署、节点配置和平台操作知识。
原目录
engineering-basics/AI平台工具/火山方舟使用指南/火山方舟使用指南.md
- 25
Bits Flux - 产品介绍 | Bits Flux - Product Introduction
Bits Flux 的产品定位、多人协作及多 Agent 需求交付方式。
章节预览
原目录
feishu-internal/基础设施/260526 - Bits Flux - Bits - 多人多Agent需求交付协作方案/Bits Flux - 产品介绍 Bits Flux - Product Introduction.md
07 / 3 篇
知识整理与写作方法
从资料入库、原文与解读的组织,到文章选题。
- 31
Writings 选题:按知识库分类的精选版
按知识库分类整理写作候选,保留每个主题的问题意识与文章方向。
章节预览
原目录
project-notes/Writings选题/2026-10-24-候选清单.md
- 46
k2md — knowledge2md 短名入口
k2md 的命令入口、调用方式与知识入库操作说明。
原目录
_skills/k2md/SKILL.md
- 47
knowledge2md / k2md — 知识源转离线 Markdown
knowledge2md 的来源处理、原文与解读分层、目录命名及图文归档流程。
章节预览
原目录
_skills/knowledge2md/SKILL.md
参考资料与复现实验 3 篇
09 / 3 篇
参考资料与复现实验
S-Space 的工程入口、来源版本和实验边界。
- 41
S-Space 项目说明
S-Space 项目的环境、数据、实验与可视化使用说明。
原目录
bytetech-community/AI工程/论文解读/260907 - S-Space - MirroS - 探测多模态模型空间工作区/references/S-Space-repo/README.md
- 42
InstructPart action-supervision experiment
InstructPart 动作监督实验的问题、协议、结果和仍待复核的证据限制。
章节预览
原目录
bytetech-community/AI工程/论文解读/260907 - S-Space - MirroS - 探测多模态模型空间工作区/references/S-Space-repo/sspace/experiments/action_supervision/instructpart/README.md
- 43
S-Space 代码来源
S-Space 代码的来源仓库、固定版本与恢复方式。
章节预览
原目录
bytetech-community/AI工程/论文解读/260907 - S-Space - MirroS - 探测多模态模型空间工作区/references/S-Space-source.md
历史版本 2 篇
10 / 2 篇
历史版本
保留 Auto-Thinking 两个历史版本,便于对照章节和认识的演变。
- 44
多维表格 Code Agent 训练体系与 Auto-Thinking 完整解析
Auto-Thinking 的早期完整解析,保留当时的章节结构与论述。
章节预览
原目录
feishu-internal/Base-AI飞书文档合集/260730 - Auto-Thinking - 用SFT与RL优化CodeAgent/versions/20260913-完整解析.md
- 45
多维表格 Code Agent 训练体系与 Auto-Thinking 完整解析
Auto-Thinking 的另一历史版本,供对照训练方案与解释的演变。
章节预览
原目录
feishu-internal/Base-AI飞书文档合集/260730 - Auto-Thinking - 用SFT与RL优化CodeAgent/versions/20260914-v1-完整解析.md
没有找到匹配的文章,试试其他关键词。