“It must be exhausting always rooting for the anti-hero.”
记录 Java、Python、数据库、强化学习与 RLHF，以及 AI 时代的软件工程与安全实践。
设计原理与工程实践 · 阅读笔记与批注
Phase 01 基础八章与 Phase 02 进阶笔记，按章节连续阅读。
经典文献、HuggingFace 课程、王树森笔记，到 PPO / GRPO 的完整数学推导。
NumPy 数组、Pandas DataFrame 与 Matplotlib 常见图表的基础笔记。
设计原理与工程实践，逐章整理阅读笔记和批注。
像手表的数码表冠：滚一格，换一篇。也支持方向键、触控滑动和右侧按钮。
从 Goal 模式的目标错位，到任务契约、权限分离、独立取证和硬性预算
9 个索引收录的 Skill、1 个外部 Skill，以及它们各自应该出场和停下的位置
从规划、编码、多智能体 CI/CD 到内部威胁治理的安全纵深防御实践
PPO、GRPO 与策略梯度数学推导
从基础概念到 RLHF 的学习笔记
强化学习理论与 PPO 应用综述
强化学习术语、算法与 AlphaGo 笔记
课程与资料导航
绘图基础与常见图表示例
DataFrame 基础操作笔记
数组基础与常用操作笔记
Hugging Face Deep RL Course 学习索引
顶级会议和期刊的10篇最具影响力论文
酒店系统AI助手
章节课后题笔记
Phase 01 基础语法与面向对象 · Phase 02 进阶笔记
功能开发
索引优化
功能更新文档
