论文学习¶
每篇论文按四层学习：基础理解 → 核心机制 → 方法对比 → 实现细节。先试着回答，再展开解释和教学例子；可以只看某一层，也可以继续给同一篇补充问题。
按主题学习¶
目录按主题折叠。想串起多篇论文，选择“精读对比”；想逐篇学习，选择子主题问题库。每张精读卡片包含机制对照、取舍分析与多个跨论文问答，并随新论文小幅更新。
6 个主题 · 31 个子主题 · 4253 个问题 / 1061 篇论文
搜广推
从找候选走到排序与展示：学习语义表征、用户知识、长历史、生成式推荐、反馈与服务。
展开子主题问题库
- 候选生成与搜索匹配148 问精读对比
- 语义表征、用户知识与冷启动240 问精读对比
- 用户历史与排序骨干299 问精读对比
- 生成式召回与推理推荐248 问精读对比
- 学习信号、多任务与反馈偏差144 问精读对比
- 列表与业务控制：重排、出价和长期价值148 问精读对比
- 自动研究与高效上线76 问精读对比
基础模型
理解模型怎样读取上下文、分配计算和训练预算，以及压缩、生成与能力评测的取舍。
展开子主题问题库
- 长上下文：注意力、递归状态与记忆136 问精读对比
- 按需计算：专家、弹性深宽与查表记忆104 问精读对比
- 训练预算：数据配比、目标与优化器120 问精读对比
- 推理压缩：权重、KV 缓存与服务带宽128 问精读对比
- 生成路径：草稿验证、并行去噪与少步迭代60 问精读对比
- 能力证据：评测采样、读出与可靠性56 问精读对比
结构化决策
把语言模型用于有限候选决策：先看如何读出分布，再检验不变性、推理预算与持续反馈。
展开子主题问题库
多模态
围绕三件事学习：对齐不同模态、分配视觉证据预算、预测状态与动作的后果。
展开子主题问题库
LLM 后训练
先分清反馈来自哪里，再看策略更新、步骤信用、教师监督，以及数据和算力如何分配。
展开子主题问题库
- 偏好与对齐：先看反馈长什么样100 问精读对比
- 策略优化：谁在采样，谁在被更新220 问精读对比
- 奖励与信用：正确结果该奖励哪些步骤148 问精读对比
- 轨迹蒸馏：学生、提案与前缀分布168 问精读对比
- 教师与纠错：额外信息何时能帮到学生188 问精读对比
- 数据与预算：下一份算力花在哪里152 问精读对比
Agent
从下一步行动到完整执行流程：依次学习规划、记忆、工具协作、自进化、训练与独立评测。
展开子主题问题库
- 规划与搜索：下一步该做什么64 问精读对比
- 记忆与技能：让经验可取回、可失效228 问精读对比
- 工具与协作执行：把计划变成可检查的动作197 问精读对比
- 运行流程与自进化：改的是哪一层188 问精读对比
- 交互策略学习：把轨迹反馈变成更新212 问精读对比
- 评测与可靠性：如何知道真的做对了176 问精读对比
最近新增问题¶
新增论文和补充给旧论文的新问题，都会同时进入对应主题、全部问答和这里。
- 只取draft top-k时，把teacher也归一化到top-k上，与完整teacher比较有何区别？2026-11-04 · specopd
- 为什么相同的逐token overlap，顺序不同会改变SpecOPD损失？2026-11-04 · specopd
- SpecOPD的reference固定，为什么还叫on-policy？2026-11-04 · specopd
- proposal tree已经有因果mask，为什么还要单独检查prediction row？2026-11-04 · specopd
- RLiD的方差定理能证明新训练的LDM一定比生成式LLM更好吗？2026-11-04 · rlid
- 只实现合法菜单和clipped PPO，是否就完成RLiD的Agent训练？2026-11-04 · rlid
- RLiD的KL(uniform到菜单边际)，是否等同于让每条决策都更随机？2026-11-04 · rlid
- RLiD的一个动作，和让LLM写一句动作命令有什么根本差别？2026-11-04 · rlid
专题精读比较机制和假设，逐篇问答解释具体论文；原始来源与本地实验记录都可继续查阅。