Post Archive

2026

Month 08

• ReAct：从 Reasoning 到 Action 的 Wikipedia Agent 08-22

  从 Thought、Action、Observation 的数据流出发，用 Python 实现一个最小的 ReAct 风格 Wikipedia Agent。

Month 06

• From CLIP to VLA 06-09

  学习过程 从CLIP讲到VLA

• 手写一个 Autograd 引擎 06-08

  从零实现 micrograd 风格的 autograd，建立对反向传播机制的直观理解

• Torch 06-04

  一些常见的pytorch的用法

• policy algorithm 06-03

  PPO损失函数的推导与理解

• Transformer 06-01

  基于 nanogpt 的 transformer 复习

Month 05

• Data_structure 05-22

  一些做题时候容易忘记/重要的trick

• 强化学习基础：从交互循环到 DP、MC 与 TD 05-21

  梳理 State、Observation、Return、Value Function、MDP、Bellman 方程，以及 DP、MC、TD 的核心区别。

• TD & PG 05-21

  关于TD,PG的一些推导