Too Fast PERSONAL RESEARCH ARCHIVE

TOO FAST / PERSONAL RESEARCH ARCHIVE

记录 RL 后训练、LLM Serving/Infra 与低成本推理中的问题、实验和工程判断。

ESTABLISHED
2026
RECORDS
001
LANG
ZH-CN
STATUS
ACTIVE

RECORD INDEX

文章

按发布日期排列的研究随笔与工程判断。

ESSAY-001 LATEST

用 AI 把模糊研究想法整理成路线图

从“我想让 GRPO 训练更稳定”出发，让 AI 追问目标、约束、变量和停止条件，直到一句直觉变成可以检查、执行和修订的研究计划。

RL POST-TRAININGRESEARCH WORKFLOW

ROADMAP OUTPUT

一句模糊想法，怎样变成研究路线图

我想让 GRPO 训练更稳定。

  1. 01
    DEFINE

    把“稳定”改写成可观测信号与反证条件。

  2. 02
    BASELINE

    固定模型、数据、奖励与预算，复现当前行为。

  3. 03
    PROBE

    一次改变一个变量，记录收益与护栏指标。

  4. 04
    VERIFY

    用独立运行确认结果，并作出继续、修订或停止决定。