lvzi

科研的特点 不同于开发，需求随时改 实验参数特别多 可复用性差，一个实验结束基本，如果效果不好 几乎可以宣告这部分代码没用了 写代码指南 多用字典管理 python是脚本语言，重写比找原来逻辑更快 大

LLM中temperature起作用的方式朴实无华，softmax函数的特性使得 小数之间更加接近，大数之间更加分离 它的输出结果如下，

deepseek用的grpo训练，我觉得不符合一个不断迭代的思路，因为大量用户带来了大量对话数据，这部分数据在grpo训练中没有得到有效利用（当然，收集到了真实的用户输入数据也是很有价值的，可以作为r

市面上竟然没有开源的轲离线部署的huggingface网站，实现 model和dataset上传下载

vscode中有插件/侧边栏 显示 所有prompt保存在云端，调用获取，实现多端同步 thats all 市面上已有项目 prompthub，但是不维护了，本地client没有获取auth toke

```bash #!/bin/bash # 设置检测间隔时间（秒） CHECK_INTERVAL=5 while true; do # 使用 nvidia-smi 获取所有 GPU 的显存使用情况 G

reward hacking 解释：一类现象：cot错的，结果对的 例子。 出处：(2022)Scaling Laws for Reward Model Overoptimization

``` [tasks] basic bmc nofullskip prove cover noverific cover basic cover : default [options] cover:

pypi打包发布 文档 changelog setup.cfg文件怎么写 LICENSE 发版 本文以nlpertools包为例，分别介绍以上五个部分 1. pypi打包发布 参照6. 发版 2. 文