对大模型的思考

发布时间：2026/10/7 9:37:27

对大模型的思考
1、深度思考模式是在大模型训练阶段就具备的能力吗还是后来人们通过提示词啥的添加的“深度思考模式是在大模型训练阶段就具备的能力吗还是后来人们通过提示词啥的添加的” 点击看看灵光怎么说 https://www.lingguang.com/share/CHAT-2106cbb3-7cee-4111-966d-3b64c975c9a1042、RL强化学习RLReinforcement Learning强化学习是机器学习三大范式之一核心是让智能体在环境中通过“试错-奖励”机制自主学习最优策略。核心原理奖励驱动的试错学习强化学习模拟人类的学习方式智能体Agent在环境Environment中执行动作Action环境返回奖励Reward和新的状态State。通过反复试验智能体逐渐学会哪些动作能获得更高奖励最终形成最优策略Policy实例理解训练小狗坐下步骤概念场景① 观察状态Agent 看环境小狗看到主人举着零食② 选动作Agent 做决策小狗尝试坐下③ 环境反馈新状态 奖励坐下了 → 主人给零食1④ 更新策略调整行为小狗学到坐下有奖励关键理解点没人教正确答案小狗是自己试出来的看长期不是为了一次零食而是学会坐下这个套路策略进化试错越多表现越好RLHF 同理模型尝试回答 → 人类打分奖励→ 模型调参 → 下次更好

相关新闻

Kubeless JVM 运行时实战指南：用 Java 与 Scala 打包并部署 JVM 函数

Kubeless JVM 运行时实战指南：用 Java 与 Scala 打包并部署 JVM 函数

后端云原生微服务 【免费下载链接】kubeless Kubernetes Native Serverless Framework 项目地址： https://gitcode.com/gh_mirrors/ku/kubeless 点击查看 免费下载 Kubeless 原生支持多种语言的 Serverless 函数，除了常见的 Node.js、Python、Go 之外&a…

2026/10/7 9:37:27 阅读更多 →
Hazelcast Jet 分区剪枝（Partition Pruning）设计解析：从成员剪枝到扫描分区剪枝

Hazelcast Jet 分区剪枝（Partition Pruning）设计解析：从成员剪枝到扫描分区剪枝

缓存KV存储消息队列流处理后端 【免费下载链接】hazelcast Hazelcast is a unified real-time data platform combining stream processing with a fast data store, allowing customers to act instantly on data-in-motion for real-time insights. 项目地址： htt…

2026/10/7 9:37:27 阅读更多 →
Marketing Skills不是营销技巧，而是价值传递操作系统

Marketing Skills不是营销技巧，而是价值传递操作系统

1. 这不是“营销课”，而是一套可拆解、可验证、可复用的职业生存操作系统“marketingskills”这个词最近在招聘平台、自由职业接单站和职场社群里高频出现，但它绝不是指“学点公众号排版”或“背几个转化率公式”就能应付的泛泛概念。我带过37个转行做私…

2026/10/7 9:37:27 阅读更多 →

最新新闻

C# WinForm 数据库备份与恢复实战：SQL语句与文件操作两种方式详解

C# WinForm 数据库备份与恢复实战：SQL语句与文件操作两种方式详解

简介：这份资源是面向C# WinForm开发者的数据库备份与恢复实战Demo，基于VS2008实现，适合需要为桌面应用增加数据安全保障能力的初中级开发者参考。示例围绕两种主流方案展开：一是借助SQLDMO这一COM对象模型，通过SQLServ…

2026/10/7 10:04:45 阅读更多 →
hyperframes实战：用HTML和CLI批量生成MP4视频

hyperframes实战：用HTML和CLI批量生成MP4视频

1. 从“hyperframes”这个名字说起：它到底想解决什么问题第一次看到“hyperframes”这个词，我脑子里蹦出来的不是某个具体工具，而是一种感觉——它把“hyper”和“frames”拼在一起，暗示着某种“超高速的帧处理”或者“超轻量的帧…

2026/10/7 10:04:45 阅读更多 →
一句话生成爆款视频：WorkBuddy+Hypit本地工作流实战

一句话生成爆款视频：WorkBuddy+Hypit本地工作流实战

1. 项目概述：用一句话生成爆款视频，不是玄学，是工具链的精准缝合“一句话复刻爆款视频”——这句话乍看像短视频平台的流量话术，但落到实操层面，它背后是一套可拆解、可复现、可批量化的视频生成工作流。我从去年开始系…

2026/10/7 10:04:45 阅读更多 →
OpenShell：开源AI命令行助手，自然语言变可执行命令

OpenShell：开源AI命令行助手，自然语言变可执行命令

我几年前就开始折腾终端工具链，从 zsh 到 fish，从 oh-my-zsh 到各种 fancy prompt，折腾到最后发现一个尴尬的现实：无论怎么美化、补全、加插件，终端最核心的效率瓶颈一直没解决——人类的自然语言和机器的命令行之间&a…

2026/10/7 10:04:45 阅读更多 →
Spring AI ReactAgent阿里云生产落地实战

Spring AI ReactAgent阿里云生产落地实战

1. 这不是“第九掌”，而是Spring AI在阿里云生态落地的临界点“降SpringAI阿里第9掌-或跃在渊-ReactAgent”——这个标题乍看像武侠小说里的秘籍名，但如果你最近在Java后端、AIGC工程化或企业级AI应用开发一线摸爬滚打，大概率已经在这几个关键…

2026/10/7 10:04:45 阅读更多 →
【八个月网安课程】第九周·周三：目录扫描工具——Dirsearch、dirb、御剑参数配置与字典使用

【八个月网安课程】第九周·周三：目录扫描工具——Dirsearch、dirb、御剑参数配置与字典使用

以下是第九周周三学习内容的详细展开。今天你将掌握渗透测试信息收集中最基础也最关键的一环——目录扫描。通过使用 Dirsearch、dirb、御剑等工具，你能快速发现目标站点上隐藏的后台、备份文件、配置文件等敏感路径，为后续漏洞利用铺路。第九周周三&…

2026/10/7 10:03:45 阅读更多 →

日新闻

ROS2机械臂仿真与运动控制：从URDF建模到Gazebo实战全解析

ROS2机械臂仿真与运动控制：从URDF建模到Gazebo实战全解析

/* MD / 富文本中的 .toc（含博客园搬家等嵌套结构）；.toc-box 在侧栏，不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p（:empty 仍占 20px），一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/7 1:01:58 阅读更多 →
用浏览器直接改ESP32的WiFi密码：NVS键值配置工具设计与实现

用浏览器直接改ESP32的WiFi密码：NVS键值配置工具设计与实现

/* MD / 富文本中的 .toc（含博客园搬家等嵌套结构）；.toc-box 在侧栏，不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p（:empty 仍占 20px），一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/7 1:02:00 阅读更多 →
芯片封装缺陷检测：扫描声学显微镜（SAT）原理与实操指南

芯片封装缺陷检测：扫描声学显微镜（SAT）原理与实操指南

/* MD / 富文本中的 .toc（含博客园搬家等嵌套结构）；.toc-box 在侧栏，不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p（:empty 仍占 20px），一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/7 1:02:00 阅读更多 →

周新闻

KT148A语音芯片外挂8002D功放的工程实践指南

KT148A语音芯片外挂8002D功放的工程实践指南

/* MD / 富文本中的 .toc（含博客园搬家等嵌套结构）；.toc-box 在侧栏，不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p（:empty 仍占 20px），一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/6 7:15:40 阅读更多 →
LLC谐振变换器增益公式推导：从FHA等效到完整归一化表达式

LLC谐振变换器增益公式推导：从FHA等效到完整归一化表达式

/* MD / 富文本中的 .toc（含博客园搬家等嵌套结构）；.toc-box 在侧栏，不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p（:empty 仍占 20px），一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/6 5:29:09 阅读更多 →
ARM架构深度解析：从RISC设计理念到交叉编译实战

ARM架构深度解析：从RISC设计理念到交叉编译实战

/* MD / 富文本中的 .toc（含博客园搬家等嵌套结构）；.toc-box 在侧栏，不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p（:empty 仍占 20px），一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/7 9:29:10 阅读更多 →

月新闻

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

/* MD / 富文本中的 .toc（含博客园搬家等嵌套结构）；.toc-box 在侧栏，不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p（:empty 仍占 20px），一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/6 8:21:32 阅读更多 →
Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

/* MD / 富文本中的 .toc（含博客园搬家等嵌套结构）；.toc-box 在侧栏，不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p（:empty 仍占 20px），一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/6 4:21:51 阅读更多 →
黑夜航拍船只数据集训练YOLOV5模型全流程解析

黑夜航拍船只数据集训练YOLOV5模型全流程解析

/* MD / 富文本中的 .toc（含博客园搬家等嵌套结构）；.toc-box 在侧栏，不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p（:empty 仍占 20px），一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/6 1:18:13 阅读更多 →