写作与记录

文章

博客以介绍为主，不求甚解：先认识一个概念、方法或工具，建立大致的理解。

2026/10/05

梳理 Q-Learning、DQN、PPO、SAC 与 GRPO，分清策略、价值、奖励和参考模型的职责，以及训练时谁更新、部署时保留谁。

#强化学习#Q-Learning#DQN#PPO#SAC#GRPO#RLHF

2026/10/03

从 Chunk-based Masking 出发，理解流式语音识别如何限制未来信息、复用历史缓存，并比较 Conformer、Emformer、U2/U2++ 和 Zipformer 的延迟与精度取舍。

#流式语音识别#Streaming ASR#Conformer#Emformer#Zipformer#U2#语音识别

2026/09/30

记录一次 QQ、百度手机浏览器页面样式异常的排查过程：从 Tailwind CSS 兼容性、Cloudflare 构建日志，到 npm ci 与 package-lock.json 不同步的修复和线上验证。

#Cloudflare Pages#npm ci#package-lock.json#Astro#Tailwind CSS#网站部署#故障排查

2026/09/30

从混合精度 Adam 的显存账本出发，拆解 ZeRO 三阶段如何逐步切分优化器状态、梯度和参数，并用 7B、13B 例子估算显存与通信代价。

#大模型训练#显存优化#ZeRO#DeepSpeed#分布式训练#模型微调

2026/09/27

从 LLaVA 的视觉编码器、投影层和语言模型，到两阶段训练、GQA 数据集、LLaVA-1.5 以及它对后续开源多模态模型的影响。

#LLaVA#多模态模型#视觉语言模型#视觉指令微调#GQA