搜索：日记

i.i.d. 就是：每条数据都像用同一颗骰子重新掷一次。 独立：上一次掷出什么，不影响下一次。 同分布：每次使用的都是同一颗骰子，概率规则不变。 每个 mini-batch 都比较能代表整个数据集； ![image.png](/uploads/1785002486270-imag [...]

Parial rollouts是今天新学到的 Rl prompt set的构建需要的特征： 一个构建良好的 prompt set 不仅会引导模型走向稳健推理，还会降低 reward hacking 和过拟合表层模式的风险。具体来说，高质量 RL prompt set 由三个关键属 [...]

通过设定问题与里程碑，克服无固定任务时的走神，跑通pipeline并计划推进实验，同时调整晚间学习效率，明确下周目标。