<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0"><channel><title>Wang's Blog</title><link>http://localhost:8090/</link><description>Be Open, Share Knowledge, Keep Learning</description><item><title><![CDATA[信息系统分析与设计&专业课程设计]]></title><link>http://localhost:8090/archives/xin-xi-xi-tong-fen-xi-yu-she-ji-zhuan-ye-ke-cheng-she-ji</link><description><![CDATA[这两个课是一起做，前一个课程是PPT+文档，后一个课程需要前面课程的代码和视频（当然拍完视频代码貌似也无所谓了） PPT和汇报的话，专注于讲的内容吧，PPT尽量好看一点，可以让哈基米（gemini3）画点图，不太建议送小礼物什么的 文档主要看两个，一个是老师上课强调的图，一个是文档页数 专业课程设计]]></description><guid>/archives/xin-xi-xi-tong-fen-xi-yu-she-ji-zhuan-ye-ke-cheng-she-ji</guid><pubDate>Mon, 16 Mar 2026 05:45:33 GMT</pubDate></item><item><title><![CDATA[电子支付系统原理与技术]]></title><link>http://localhost:8090/archives/dian-zi-zhi-fu-xi-tong-yuan-li-yu-ji-shu</link><description><![CDATA[不建议大家选，大题和往年倒是完全一样，但是问题在于前面客观题分值大，并且有多选题。 客观题很多是没有讲到的，总之就是拉完了。 不建议任何人选这门课程。]]></description><guid>/archives/dian-zi-zhi-fu-xi-tong-yuan-li-yu-ji-shu</guid><pubDate>Tue, 3 Feb 2026 07:32:59 GMT</pubDate></item><item><title><![CDATA[数据仓库复习整理]]></title><link>http://localhost:8090/archives/shu-ju-cang-ku-fu-xi-zheng-li</link><description><![CDATA[【注】：与ai对话的提示词可以在https://github.com/HappynessI/Prompts_For_All_Work/blob/main/System%20Prompt/Review%20for%20exams找到 【注】：资料在：https://pan.baidu.com/s/10]]></description><guid>/archives/shu-ju-cang-ku-fu-xi-zheng-li</guid><pubDate>Wed, 3 Dec 2025 06:53:55 GMT</pubDate></item><item><title><![CDATA[代码阅读与运行1]]></title><link>http://localhost:8090/archives/dai-ma-yue-du-yu-yun-xing</link><description><![CDATA[RLHF 试着运行了一份非常基础的RLHF代码，来源于：https://github.com/lansinuote/Simple_RLHF_tiny B站上有对应视频 📁项目结构 Simple_RLHF_tiny-main/ ├── 🔧 核心代码文件 │ ├── util.py # 工具类：To]]></description><guid>/archives/dai-ma-yue-du-yu-yun-xing</guid><pubDate>Sun, 28 Sep 2025 10:10:12 GMT</pubDate></item><item><title><![CDATA[大模型入门（6）——Agent、MCP、FunctionCall]]></title><link>http://localhost:8090/archives/da-mo-xing-ru-men-6-----agent-mcp-functioncall</link><description><![CDATA[内容来自B站视频：【10分钟讲清楚 Prompt, Agent, MCP 是什么】https://www.bilibili.com/video/BV1aeLqzUE6L?vd_source=a704063646d181fb265230f6b49cca81 System Prompt和User Pro]]></description><guid>/archives/da-mo-xing-ru-men-6-----agent-mcp-functioncall</guid><pubDate>Sun, 28 Sep 2025 10:10:10 GMT</pubDate></item><item><title><![CDATA[代码阅读与运行2]]></title><link>http://localhost:8090/archives/dai-ma-yue-du-yu-yun-xing-2</link><description><![CDATA[这次运行的是大名鼎鼎的OpenRLHF 遇到的一些问题 自己的设备是colab提供的A100 GPU，显存40GB 安装的过程没有太大问题，都能顺利解决，安装之后按照README的顺序试着用以下命令启动SFT的训练（提供的脚本还没试过） !deepspeed --module openrlhf.cl]]></description><guid>/archives/dai-ma-yue-du-yu-yun-xing-2</guid><pubDate>Sun, 28 Sep 2025 10:10:09 GMT</pubDate></item><item><title><![CDATA[MCP(1)——MCP概述]]></title><link>http://localhost:8090/archives/mcp-1-----shi-me-shi-mcp</link><description><![CDATA[参考文章/文档： What is Model Context Protocol (MCP)? How it simplifies AI integrations compared to APIs | AI Agents That Work 支持MCP协议的server：modelcontextpro]]></description><guid>/archives/mcp-1-----shi-me-shi-mcp</guid><pubDate>Sun, 28 Sep 2025 10:10:06 GMT</pubDate></item><item><title><![CDATA[实时通信技术]]></title><link>http://localhost:8090/archives/websoketji-shu</link><description><![CDATA[技术特性对比表]]></description><guid>/archives/websoketji-shu</guid><pubDate>Sun, 28 Sep 2025 10:10:04 GMT</pubDate></item><item><title><![CDATA[LangChain框架学习]]></title><link>http://localhost:8090/archives/langchainkuang-jia-xue-xi</link><description><![CDATA[LangChain中文网 Concepts | 🦜️🔗 Langchain]]></description><guid>/archives/langchainkuang-jia-xue-xi</guid><pubDate>Sun, 28 Sep 2025 10:10:03 GMT</pubDate></item><item><title><![CDATA[大模型入门（8）——vLLM框架]]></title><link>http://localhost:8090/archives/da-mo-xing-ru-men-7-----vllmkuang-jia</link><description><![CDATA[vLLM是什么：一个开源的高性能大模型推理与服务框架，不是模型本身。 它做什么：把本地或云端的 Hugging Face 模型加载到显卡上，提供 OpenAI 兼容的 /v1 接口；支持流式输出、连续批处理、高并发、KV Cache 优化（PagedAttention），吞吐量高、延迟低。 适用场景]]></description><guid>/archives/da-mo-xing-ru-men-7-----vllmkuang-jia</guid><pubDate>Sun, 28 Sep 2025 10:10:02 GMT</pubDate></item><item><title><![CDATA[git指令]]></title><link>http://localhost:8090/archives/gitzhi-ling</link><description><![CDATA[因为现在做项目需要连接远程仓库与同学配合，列一下常用的指令 初始化本地仓库 git init 连接远程仓库 git remote add origin git@github.com:PeachMooch/SBQY-Digital-Museum-.git origin是默认的远程仓库名称 git@gi]]></description><guid>/archives/gitzhi-ling</guid><pubDate>Sun, 28 Sep 2025 10:09:59 GMT</pubDate></item><item><title><![CDATA[n8n和Agent]]></title><link>http://localhost:8090/archives/n8n</link><description><![CDATA[n8n 是 “node” 和 “automation” 的组合缩写（“nodemation”，首尾之间有 8 个字母），代表它是一个基于节点（node）的工作流自动化平台。 Agent介绍 Agent更像是一个动态的、灵活的、有自主推理能力的数字员工 Agent三大组件 1.大脑 为Agent提供智]]></description><guid>/archives/n8n</guid><pubDate>Sun, 28 Sep 2025 10:09:58 GMT</pubDate></item><item><title><![CDATA[Ray]]></title><link>http://localhost:8090/archives/ray</link><description><![CDATA[Ray的介绍 Hello,Ray import ray
import time

# Start Ray.
ray.init()

@ray.remote
def f(x):
    time.sleep(1)
    return x

# Start 4 tasks in parallel.
r]]></description><guid>/archives/ray</guid><pubDate>Sun, 28 Sep 2025 10:09:56 GMT</pubDate></item><item><title><![CDATA[Qwen2.5-3B（GRPO）的复现实验记录]]></title><link>http://localhost:8090/archives/qwen2.5-3b-grpo-de-fu-xian-shi-yan-ji-lu</link><description><![CDATA[github链接：hkust-nlp/simpleRL-reason: Simple RL training for reasoning 训练脚本主要参数含义 1.MAX_PROMPT_LENGTH=1024 含义：模型能处理的输入文本（提示词/Prompt）的最大长度 2.MAX_RESPONSE]]></description><guid>/archives/qwen2.5-3b-grpo-de-fu-xian-shi-yan-ji-lu</guid><pubDate>Sun, 28 Sep 2025 10:09:55 GMT</pubDate></item><item><title><![CDATA[MiniMind项目复现记录]]></title><link>http://localhost:8090/archives/minimindxiang-mu-fu-xian-ji-lu</link><description><![CDATA[写在最前面 在跑OpenRLHF库下的Simple-Reason项目的时候，遭遇了很多挫折，并且很多工作仅停留在应用层面，局限于调参和修改路径，对语言模型的底层认知还是非常匮乏。 因此在跑Simple-Reason项目的过程中，我尝试开始复现MiniMind项目，旨在在国庆假期结束前，完成项目的复现]]></description><guid>/archives/minimindxiang-mu-fu-xian-ji-lu</guid><pubDate>Sun, 28 Sep 2025 10:09:54 GMT</pubDate></item><item><title><![CDATA[增强SLMs的Tool use能力]]></title><link>http://localhost:8090/archives/zeng-qiang-slmsde-tool-useneng-li</link><description><![CDATA[附录 主要记录自己在阅读论文、技术博客过程中见到的概念、现象。]]></description><guid>/archives/zeng-qiang-slmsde-tool-useneng-li</guid><pubDate>Sun, 28 Sep 2025 10:06:58 GMT</pubDate></item><item><title><![CDATA[大模型入门（7）——RAG]]></title><link>http://localhost:8090/archives/rag-jian-suo-zeng-qiang-sheng-cheng</link><description><![CDATA[初步认识RAG 技术栈选择与架构设计 - Jimmy Song RAG（Retrieval-Augmented Generation，检索增强生成） 是一种结合了信息检索技术与语言生成模型的人工智能技术。该技术通过从外部知识库中检索相关信息，并将其作为提示（Prompt）输入给大型语言模型（LLMs]]></description><guid>/archives/rag-jian-suo-zeng-qiang-sheng-cheng</guid><pubDate>Wed, 3 Sep 2025 07:05:05 GMT</pubDate></item><item><title><![CDATA[强化学习数学基础学习]]></title><link>http://localhost:8090/archives/qiang-hua-xue-xi-shu-xue-ji-chu-ke-cheng-xue-xi</link><description><![CDATA[学习的是b站上西湖大学WindyLab的课程，以下是链接： 【【强化学习的数学原理】课程：从零开始到透彻理解（完结）】https://www.bilibili.com/video/BV1sd4y167NS?vd_source=a704063646d181fb265230f6b49cca81 笔记整理]]></description><guid>/archives/qiang-hua-xue-xi-shu-xue-ji-chu-ke-cheng-xue-xi</guid><pubDate>Mon, 11 Aug 2025 07:38:17 GMT</pubDate></item><item><title><![CDATA[论文阅读（5）——LLM-EPSP]]></title><link>http://localhost:8090/archives/lun-wen-yue-du-5-----llm-epsp</link><description><![CDATA[Sparking words: In-context learning（情景学习ICL） 通过ICL技术，大模型可以直接利用提示中包含的少量标注实例进行学习。与需要昂贵参数更新且可能导致已知任务性能下降的微调方法不同，ICL在推理阶段直接利用提示中的标注实例生成文本，完全绕过了传统训练流程。这种方法]]></description><guid>/archives/lun-wen-yue-du-5-----llm-epsp</guid><pubDate>Tue, 5 Aug 2025 02:13:28 GMT</pubDate></item><item><title><![CDATA[阶段性总结（2）——论文分类]]></title><link>http://localhost:8090/archives/jie-duan-xing-zong-jie-2-----lun-wen-fen-lei</link><description><![CDATA[LLM领域论文主题分类汇总 📋 概述 本文档对当前LLM（大型语言模型）领域的重要研究进行主题分类，涵盖强化学习优化、知识蒸馏、推理能力提升、统一训练框架、专项应用及安全对齐等六大核心方向。 🔧 一、强化学习优]]></description><guid>/archives/jie-duan-xing-zong-jie-2-----lun-wen-fen-lei</guid><pubDate>Mon, 21 Jul 2025 02:27:10 GMT</pubDate></item></channel></rss>