AI/ML learner focusing on Large Language Models (LLMs).
Passionate about the full LLM lifecycle from pre-training & fine-tuning to alignment (RLHF) and inference optimization.
- LLM Alignment: RLHF, PPO, DPO & Retrieval-Augmented Generation (RAG)
- Learning: Agentic Workflows, DeepSpeed & model quantization (AWQ / GPTQ)
- Education: Qilu University of Technology (QLUT)
- Research Interests: Reward modeling, context window extension, chain-of-thought (CoT)
- Life goal: Stay curious, be brave, and live with kindness.
- 通义千问3-VL三大创新点理解
- 前端服务里跑 while 式 Agent 为什么一定会堵？以及唯一正确的异步化方式（第一性原理）
- 把 Claude Code “拆到只剩骨架”：用最少概念，亲手实现一个可运行的 AI Agent
- 手撕MHA
- 手撕selft-attention
- Prompt 该怎么上线？一种用顶级模型“校准”，再向生产模型降级的方法- promptlint
- 大模型如何降低幻觉：从不可消除，到可工程化控制
- DreamGym：用经验合成而非真实交互，扩展大模型 Agent 的学习能力
- 我发现：大模型检索里，最划算的 Query Rewrite 不是“重写语义”，而是“只翻译”
- 模型自进化：个人记录
- Email: 867762462f@gmail.com
- Zhihu: 二次函数