知识整理

← 返回主题阅读
从强化学习与后训练,到 Agent 工程、世界模型和空间智能。这份整理保留各部分的文档目录、章节层级和阅读线索。

2026 年 9 月以来的知识整理

整理时间:2026-11-02 14:44:22(Asia/Shanghai,上海时间)。

范围与统计口径

共 47 份 Markdown、2,003 条原文标题:知识区域 45 份,工具技能 2 份。其中正文 31 份、1,350 条标题;导航 9 份,参考资料 3 份,历史版本 2 份。

文档类别 文件数 原文标题数
正文知识文档 31 1350
同期更新的导航与导读 9 49
同期收录的参考资料 3 29
保留的历史版本 2 556
补充:知识库工具技能 2 19

9 月以来整理的主要知识方向

下表根据入选正文的标题归纳主题,具体章节见后面的完整清单。

方向 涉及的知识点 代表文档
模型后训练与蒸馏 监督微调、参数高效微调、偏好优化;在策略蒸馏的监督信号、词表与词元粒度;正向与反向散度;自蒸馏、反馈蒸馏与信息不对称。 On-Policy Distillation:OPD 和 SFT/RL 比较;03 · On-Policy Distillation 家族;On-Policy Distillation 方法辨析:OPSD / OPCD / SDPO 与 KL 方向
强化学习的数学基础 多臂老虎机、探索与利用、马尔可夫性质与链、隐马尔可夫模型、马尔可夫决策过程、部分可观测决策过程、蒙特卡洛采样。 多臂老虎机与马尔可夫决策过程:从入门到体系;Markov 家族算法系统教程:从马尔可夫性质到 MDP、HMM 与 MCMC
策略优化与训练稳定性 近端策略优化、组相对策略优化及变体、优势估计、裁剪、熵控制与熵崩溃;训练、验证和测试奖励的区别与泛化判断。 GRPO 及其变体系统教程:从强化学习基础到业务落地;01 · PPO / GRPO 与熵控制;RL 训练指标与泛化概念总结
智能体工程与按需思考 代码动作、工具调用、沙箱与软件开发工具包;评判与修复链路中的推理搜索;直接执行、短思考与重新规划的门控、数据构造、损失掩码、奖励和评测。 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;02 · CodeAct 与 Agent 工程;多维表格 Code Agent 训练体系与 Auto-Thinking 完整解析
轨迹数据合成与项目经验 OS-Genesis 与 AgentTrek 的任务及轨迹合成方法;规格与改写数据、评判和修复模型、验证智能体、自主研究和协同训练的项目讲解与追问。 Agentic 轨迹数据合成调研报告:OS-Genesis × AgentTrek;Lark Base AI 后训练:已投递简历面试讲解与追问准备
世界模型与空间智能 DreamerV3、Genie、Cosmos、V-JEPA 2、Atlas 的方法与对照;多模态空间工作区的探测、干预、评测与复现。 S-Space 深化解读:多模态模型里的可读写空间工作区;《S-Space: Exploring Spatial Workspace in Multimodal Models》精读笔记;Mastering Diverse Domains through World Models(DreamerV3)解读
推理状态与概率校准 前置推理轨迹引导长上下文重读;候选项分数读出、交叉熵、温度缩放、概率校准和决策模型训练。 StartLux-Decision 与类 Jev 决策模型:候选项读出、训练、校准与 RLCR;Trace as State: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
模型架构、部署与平台 DeepSeek 与 Qwen3 的分词、注意力、混合专家、部署与训练;火山方舟模型精调、部署、配额和成本;Bits Flux 的多人和多智能体协作。 火山方舟(Ark)使用指南;Bits Flux - 产品介绍 | Bits Flux - Product Introduction;LLM 技术总结 — DeepSeek 与 Qwen3 架构对比
知识整理与写作 知识源转离线 Markdown、原文与解读的归档;把已有材料按核心问题筛选成文章选题。 k2md — knowledge2md 短名入口;knowledge2md / k2md — 知识源转离线 Markdown;Writings 选题:按知识库分类的精选版

按目录统计

来源目录 入选文件数 原文标题数
_skills/ 2 19
bytetech-community/ 30 704
engineering-basics/ 1 51
feishu-internal/ 7 964
learning/ 1 60
project-notes/ 6 205

全时期文件夹路径清单

本期文档总表

“新增/本期更新”仅表示本机时间戳命中本期的方式。点击文档名可跳到本篇对应的章节目录。

编号 类别 文档 本机创建时间 最后修改时间 命中方式 标题数
01 正文 Mastering Diverse Domains through World Models(DreamerV3)解读 2026-09-11 21:32:08 2026-09-11 21:32:08 本期在本机创建 19
02 正文 Genie: Generative Interactive Environments——解读版 2026-09-11 21:34:07 2026-09-11 21:36:40 本期在本机创建 24
03 正文 Agentic 轨迹数据合成调研报告:OS-Genesis × AgentTrek 2026-10-10 17:52:50 2026-10-10 17:52:50 本期在本机创建 71
04 正文 Cosmos World Foundation Model Platform for Physical AI(解读版) 2026-09-11 21:34:53 2026-09-11 21:42:23 本期在本机创建 16
05 正文 V-JEPA 2(Self-Supervised Video Models Enable Understanding, Prediction and Planning)解读 2026-09-11 21:33:43 2026-09-11 21:39:45 本期在本机创建 25
06 正文 Atlas 技术解读(二次解读) 2026-09-11 20:42:10 2026-09-11 20:42:10 本期在本机创建 16
07 正文 Atlas: A World Model for Spatial Intelligence 2026-09-11 20:39:25 2026-09-11 23:51:11 本期在本机创建 18
08 正文 On-Policy Distillation:OPD 和 SFT/RL 比较 2026-09-11 15:31:59 2026-09-11 20:33:40 本期在本机创建 32
09 正文 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 2026-09-02 15:45:50 2026-09-02 15:56:54 本期在本机创建 58
10 正文 多臂老虎机与马尔可夫决策过程:从入门到体系 2026-09-14 20:55:33 2026-09-14 20:59:11 本期在本机创建 43
11 正文 GRPO 及其变体系统教程:从强化学习基础到业务落地 2026-09-16 18:07:50 2026-09-16 18:07:50 本期在本机创建 63
12 正文 Markov 家族算法系统教程:从马尔可夫性质到 MDP、HMM 与 MCMC 2026-09-16 18:15:01 2026-09-16 18:15:01 本期在本机创建 56
13 正文 01 · PPO / GRPO 与熵控制 2026-09-22 18:01:24 2026-09-22 18:01:24 本期在本机创建 33
14 正文 02 · CodeAct 与 Agent 工程 2026-09-22 17:43:04 2026-09-22 17:43:04 本期在本机创建 12
15 正文 03 · On-Policy Distillation 家族 2026-09-22 17:43:04 2026-09-22 17:43:04 本期在本机创建 26
16 正文 On-Policy Distillation 方法辨析:OPSD / OPCD / SDPO 与 KL 方向 2026-09-24 18:56:33 2026-09-24 18:56:33 本期在本机创建 19
17 正文 StartLux-Decision 与类 Jev 决策模型:候选项读出、训练、校准与 RLCR 2026-10-09 20:31:21 2026-10-09 21:30:18 本期在本机创建 36
18 正文 《Why DPO is a Misspecified Estimator and How to Fix It》深度解读 2026-09-10 14:58:49 2026-09-10 15:29:47 本期在本机创建 13
19 正文 ICLR 2026 Oral:DPO 从一开始就是错的! 2026-09-10 14:47:56 2026-09-10 14:47:56 本期在本机创建 1
20 正文 Trace as State:前置推理轨迹,引导长上下文重读 2026-09-15 16:06:42 2026-09-15 16:06:42 本期在本机创建 7
21 正文 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 2026-09-15 16:03:48 2026-09-15 16:03:48 本期在本机创建 10
22 正文 S-Space 深化解读:多模态模型里的可读写空间工作区 2026-09-10 15:16:25 2026-09-11 23:44:34 本期在本机创建 19
23 正文 《S-Space: Exploring Spatial Workspace in Multimodal Models》精读笔记 2026-09-10 15:06:01 2026-09-10 15:06:01 本期在本机创建 32
24 正文 火山方舟(Ark)使用指南 2026-09-01 21:00:15 2026-09-01 21:00:15 本期在本机创建 51
25 正文 Bits Flux - 产品介绍 | Bits Flux - Product Introduction 2026-09-11 21:35:20 2026-09-11 21:35:20 本期在本机创建 16
26 正文 Basics of LLM Post Training 2026-09-02 15:00:09 2026-09-02 15:00:09 本期在本机创建 29
27 正文 多维表格 Code Agent 训练体系与 Auto-Thinking 完整解析 2026-09-13 11:52:42 2026-09-14 17:21:35 本期在本机创建 346
28 正文 LLM 技术总结 — DeepSeek 与 Qwen3 架构对比 2026-09-22 19:16:40 2026-09-22 19:16:40 本期在本机创建 60
29 正文 RL 训练指标与泛化概念总结 2026-09-07 17:14:39 2026-09-07 17:14:39 本期在本机创建 22
30 正文 Lark Base AI 后训练:已投递简历面试讲解与追问准备 2026-09-15 01:11:50 2026-09-15 16:56:14 本期在本机创建 138
31 正文 Writings 选题:按知识库分类的精选版 2026-10-24 12:30:36 2026-10-24 13:28:53 本期在本机创建 39
32 导航索引 讲座与论文 2026-10-10 17:32:13 2026-10-10 17:32:13 本期在本机创建 3
33 导航索引 多臂老虎机与 MDP:阅读入口 2026-09-14 20:56:42 2026-09-14 20:59:11 本期在本机创建 4
34 导航索引 GRPO 变体知识图谱:总览与导读 2026-09-22 17:43:31 2026-09-22 17:43:31 本期在本机创建 11
35 导航索引 AI 工程 2026-08-25 07:35:08 2026-09-15 16:06:42 既有文件在本期更新 8
36 导航索引 CodeAgent 训练体系与 Auto-Thinking:阅读入口 2026-09-13 11:52:42 2026-09-14 20:56:42 本期在本机创建 7
37 导航索引 Base AI / Spec 飞书原文合集 2026-08-24 17:24:52 2026-09-13 11:52:42 既有文件在本期更新 10
38 导航索引 链路与架构 2026-08-24 20:46:37 2026-09-02 15:55:12 既有文件在本期更新 1
39 导航索引 Spec Agent 合训 2026-08-24 17:33:38 2026-09-13 11:52:42 既有文件在本期更新 3
40 导航索引 会议、汇报与交接 2026-08-24 17:33:38 2026-09-15 01:26:49 既有文件在本期更新 2
41 参考资料 README 2026-09-10 15:06:18 2026-09-10 15:06:18 本期在本机创建 20
42 参考资料 InstructPart action-supervision experiment 2026-09-10 15:06:18 2026-09-10 15:06:18 本期在本机创建 8
43 参考资料 S-Space 代码来源 2026-09-11 23:44:34 2026-09-11 23:44:34 本期在本机创建 1
44 历史版本 多维表格 Code Agent 训练体系与 Auto-Thinking 完整解析 2026-09-14 13:37:19 2026-09-14 13:37:19 本期在本机创建 266
45 历史版本 多维表格 Code Agent 训练体系与 Auto-Thinking 完整解析 2026-09-14 17:20:04 2026-09-14 17:20:04 本期在本机创建 290
46 技能文档 k2md — knowledge2md 短名入口 2026-09-11 20:17:54 2026-09-11 20:17:54 本期在本机创建 3
47 技能文档 knowledge2md / k2md — 知识源转离线 Markdown 2026-09-11 20:17:54 2026-09-11 20:17:54 本期在本机创建 16

全部标题

下列每项标注原文标题级别与行号。例如“三级,第 42 行”表示原文的三级标题;列表缩进保留章节从属关系。

正文知识文档

01. Mastering Diverse Domains through World Models(DreamerV3)解读

阅读全文 →

路径: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
本机创建:2026-09-11 21:32:08;最后修改:2026-09-11 21:32:08;标题:19 条。

02. Genie: Generative Interactive Environments——解读版

阅读全文 →

路径: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
本机创建:2026-09-11 21:34:07;最后修改:2026-09-11 21:36:40;标题:24 条。

03. Agentic 轨迹数据合成调研报告:OS-Genesis × AgentTrek

阅读全文 →

路径: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
本机创建:2026-10-10 17:52:50;最后修改:2026-10-10 17:52:50;标题:71 条。

04. Cosmos World Foundation Model Platform for Physical AI(解读版)

阅读全文 →

路径: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
本机创建:2026-09-11 21:34:53;最后修改:2026-09-11 21:42:23;标题:16 条。

05. V-JEPA 2(Self-Supervised Video Models Enable Understanding, Prediction and Planning)解读

阅读全文 →

路径: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
本机创建:2026-09-11 21:33:43;最后修改:2026-09-11 21:39:45;标题:25 条。

06. Atlas 技术解读(二次解读)

阅读全文 →

路径: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
本机创建:2026-09-11 20:42:10;最后修改:2026-09-11 20:42:10;标题:16 条。

07. Atlas: A World Model for Spatial Intelligence

阅读全文 →

路径: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
本机创建:2026-09-11 20:39:25;最后修改:2026-09-11 23:51:11;标题:18 条。

08. On-Policy Distillation:OPD 和 SFT/RL 比较

阅读全文 →

路径: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
本机创建:2026-09-11 15:31:59;最后修改:2026-09-11 20:33:40;标题:32 条。

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

阅读全文 →

路径: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
本机创建:2026-09-02 15:45:50;最后修改:2026-09-02 15:56:54;标题:58 条。

10. 多臂老虎机与马尔可夫决策过程:从入门到体系

阅读全文 →

路径: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
本机创建:2026-09-14 20:55:33;最后修改:2026-09-14 20:59:11;标题:43 条。

11. GRPO 及其变体系统教程:从强化学习基础到业务落地

阅读全文 →

路径: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
本机创建:2026-09-16 18:07:50;最后修改:2026-09-16 18:07:50;标题:63 条。

12. Markov 家族算法系统教程:从马尔可夫性质到 MDP、HMM 与 MCMC

阅读全文 →

路径: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
本机创建:2026-09-16 18:15:01;最后修改:2026-09-16 18:15:01;标题:56 条。

13. 01 · PPO / GRPO 与熵控制

阅读全文 →

路径: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
本机创建:2026-09-22 18:01:24;最后修改:2026-09-22 18:01:24;标题:33 条。

14. 02 · CodeAct 与 Agent 工程

阅读全文 →

路径: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
本机创建:2026-09-22 17:43:04;最后修改:2026-09-22 17:43:04;标题:12 条。

15. 03 · On-Policy Distillation 家族

阅读全文 →

路径: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
本机创建:2026-09-22 17:43:04;最后修改:2026-09-22 17:43:04;标题:26 条。

16. On-Policy Distillation 方法辨析:OPSD / OPCD / SDPO 与 KL 方向

阅读全文 →

路径: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
本机创建:2026-09-24 18:56:33;最后修改:2026-09-24 18:56:33;标题:19 条。

17. StartLux-Decision 与类 Jev 决策模型:候选项读出、训练、校准与 RLCR

阅读全文 →

路径: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
本机创建:2026-10-09 20:31:21;最后修改:2026-10-09 21:30:18;标题:36 条。

18. 《Why DPO is a Misspecified Estimator and How to Fix It》深度解读

阅读全文 →

路径: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
本机创建:2026-09-10 14:58:49;最后修改:2026-09-10 15:29:47;标题:13 条。

19. ICLR 2026 Oral:DPO 从一开始就是错的!

阅读全文 →

路径: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
本机创建:2026-09-10 14:47:56;最后修改:2026-09-10 14:47:56;标题:1 条。

20. Trace as State:前置推理轨迹,引导长上下文重读

阅读全文 →

路径: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
本机创建:2026-09-15 16:06:42;最后修改:2026-09-15 16:06:42;标题:7 条。

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

阅读全文 →

路径: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
本机创建:2026-09-15 16:03:48;最后修改:2026-09-15 16:03:48;标题:10 条。

22. S-Space 深化解读:多模态模型里的可读写空间工作区

阅读全文 →

路径: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
本机创建:2026-09-10 15:16:25;最后修改:2026-09-11 23:44:34;标题:19 条。

23. 《S-Space: Exploring Spatial Workspace in Multimodal Models》精读笔记

阅读全文 →

路径: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
本机创建:2026-09-10 15:06:01;最后修改:2026-09-10 15:06:01;标题:32 条。

24. 火山方舟(Ark)使用指南

阅读全文 →

路径:engineering-basics/AI平台工具/火山方舟使用指南/火山方舟使用指南.md
本机创建:2026-09-01 21:00:15;最后修改:2026-09-01 21:00:15;标题:51 条。

25. Bits Flux - 产品介绍 | Bits Flux - Product Introduction

阅读全文 →

路径: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
本机创建:2026-09-11 21:35:20;最后修改:2026-09-11 21:35:20;标题:16 条。

26. Basics of LLM Post Training

阅读全文 →

路径: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
本机创建:2026-09-02 15:00:09;最后修改:2026-09-02 15:00:09;标题:29 条。

27. 多维表格 Code Agent 训练体系与 Auto-Thinking 完整解析

阅读全文 →

路径: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
本机创建:2026-09-13 11:52:42;最后修改:2026-09-14 17:21:35;标题:346 条。

28. LLM 技术总结 — DeepSeek 与 Qwen3 架构对比

阅读全文 →

路径:learning/machine-learning/260916-LLM-Architecture-DeepSeek-vs-Qwen3/LLM技术总结.md
本机创建:2026-09-22 19:16:40;最后修改:2026-09-22 19:16:40;标题:60 条。

29. RL 训练指标与泛化概念总结

阅读全文 →

路径: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
本机创建:2026-09-07 17:14:39;最后修改:2026-09-07 17:14:39;标题:22 条。

30. Lark Base AI 后训练:已投递简历面试讲解与追问准备

阅读全文 →

路径: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
本机创建:2026-09-15 01:11:50;最后修改:2026-09-15 16:56:14;标题:138 条。

31. Writings 选题:按知识库分类的精选版

阅读全文 →

路径:project-notes/Writings选题/2026-10-24-候选清单.md
本机创建:2026-10-24 12:30:36;最后修改:2026-10-24 13:28:53;标题:39 条。

同期更新的导航与导读

32. 讲座与论文

阅读全文 →

路径:bytetech-community/讲座与论文/README.md
本机创建:2026-10-10 17:32:13;最后修改:2026-10-10 17:32:13;标题:3 条。

33. 多臂老虎机与 MDP:阅读入口

阅读全文 →

路径: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。/README.md
本机创建:2026-09-14 20:56:42;最后修改:2026-09-14 20:59:11;标题:4 条。

34. GRPO 变体知识图谱:总览与导读

阅读全文 →

路径: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/README.md
本机创建:2026-09-22 17:43:31;最后修改:2026-09-22 17:43:31;标题:11 条。

35. AI 工程

阅读全文 →

路径:bytetech-community/AI工程/README.md
本机创建:2026-08-25 07:35:08;最后修改:2026-09-15 16:06:42;标题:8 条。

36. CodeAgent 训练体系与 Auto-Thinking:阅读入口

阅读全文 →

路径:feishu-internal/Base-AI飞书文档合集/260730 - Auto-Thinking - 用SFT与RL优化CodeAgent/README.md
本机创建:2026-09-13 11:52:42;最后修改:2026-09-14 20:56:42;标题:7 条。

37. Base AI / Spec 飞书原文合集

阅读全文 →

路径:feishu-internal/Base-AI飞书文档合集/README.md
本机创建:2026-08-24 17:24:52;最后修改:2026-09-13 11:52:42;标题:10 条。

38. 链路与架构

阅读全文 →

路径:project-notes/Lark-Base-AI后训练/01-数据合成与Judge-Fix/02-链路与架构/README.md
本机创建:2026-08-24 20:46:37;最后修改:2026-09-02 15:55:12;标题:1 条。

39. Spec Agent 合训

阅读全文 →

路径:project-notes/Lark-Base-AI后训练/05-Spec-Agent合训/README.md
本机创建:2026-08-24 17:33:38;最后修改:2026-09-13 11:52:42;标题:3 条。

40. 会议、汇报与交接

阅读全文 →

路径:project-notes/Lark-Base-AI后训练/90-会议、汇报与交接/README.md
本机创建:2026-08-24 17:33:38;最后修改:2026-09-15 01:26:49;标题:2 条。

同期收录的参考资料

41. README

阅读全文 →

路径: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
本机创建:2026-09-10 15:06:18;最后修改:2026-09-10 15:06:18;标题:20 条。

42. InstructPart action-supervision experiment

阅读全文 →

路径: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
本机创建:2026-09-10 15:06:18;最后修改:2026-09-10 15:06:18;标题:8 条。

43. S-Space 代码来源

阅读全文 →

路径: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
本机创建:2026-09-11 23:44:34;最后修改:2026-09-11 23:44:34;标题:1 条。

保留的历史版本

44. 多维表格 Code Agent 训练体系与 Auto-Thinking 完整解析

阅读全文 →

路径: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
本机创建:2026-09-14 13:37:19;最后修改:2026-09-14 13:37:19;标题:266 条。

45. 多维表格 Code Agent 训练体系与 Auto-Thinking 完整解析

阅读全文 →

路径: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
本机创建:2026-09-14 17:20:04;最后修改:2026-09-14 17:20:04;标题:290 条。

补充:知识库工具技能

46. k2md — knowledge2md 短名入口

阅读全文 →

路径:_skills/k2md/SKILL.md
本机创建:2026-09-11 20:17:54;最后修改:2026-09-11 20:17:54;标题:3 条。

47. knowledge2md / k2md — 知识源转离线 Markdown

阅读全文 →

路径:_skills/knowledge2md/SKILL.md
本机创建:2026-09-11 20:17:54;最后修改:2026-09-11 20:17:54;标题:16 条。