SayCan 精读:让机器人既“会说”,又“做得到”
用机器人技能的可供性价值约束 LLM 的高层计划,使语言上合理的动作也必须在当前环境可执行。
大模型算法、训练系统与工程实践的学习笔记。
Liuliming / Keepkeen
课程作业逐篇复盘、训练框架源码精读、求职面经的证据账本——写给正在走这条路的人,也写给未来的自己。
用机器人技能的可供性价值约束 LLM 的高层计划,使语言上合理的动作也必须在当前环境可执行。
基于 2026-08-29 的固定源码快照,交代版本、新鲜度、证据等级与阅读路线,并给出四种 Coding Agent 控制面的总判断。
从框架链路、bug 成因、修复取舍到验证纪律,拆解我提交给 verl 的两个正确性修复 PR。
字节、阿里、快手、腾讯、百度真题逐题精讲,加训推不一致、异步 RL、Agentic RL 三大热点专题。
Series
01
面向 2027 届秋招的大模型算法岗求职资料:公开面经证据账本、笔试作战手册、系统备战指南与 30 天执行计划。
02
面向无强化学习项目经验的系统课程:从 MDP、策略梯度和 GAE,到 PPO、DPO、GRPO、Agentic RL、训练排障、手写实验与 30 天冲刺。
03
从 LeetCode Hot100 模板到 ACM 输入输出、组合题识别和大厂笔试进阶算法的完整训练资料。
04
固定到 2026-08-29 可核查的源码与发布物,系统比较四种 Coding Agent,并以截至 2026-08-30 的公开证据整理国内大厂 Agent 面试指南。
05
按首次公开时间精读 32 篇核心论文,从行动与工具、反思与记忆、多智能体,到真实环境、可靠性、安全和自改进。
06
51 篇重要强化学习论文的逐篇中文精读:从价值学习、策略梯度和世界模型,到 RLHF、RLVR、推理与智能体强化学习。
07
从项目定位、架构控制流和数据管线,到算法、配置、扩展、调试、源码阅读与面试追问的系统指南。
08
从 RLHF 基础、系统架构和训练链路,到分布式后端、排障、扩展、模型导出、大厂真题与 PR 实战的完整专题。
09
从可核查的 27 项保留清单出发,逐篇解释核心理论、实现、同期替代路线、优缺点与跨领域价值,并以三篇元学习代表作完成课程结构。
10
从数据、模型到系统,记录 Stanford CS336 作业的实现、实验与工程复盘。