agent 就是你写的那段程序，trainer 就是一个 actor，reward 是你在 Env 或 ChatAgent 里随手写的任意 Python。剩下的活儿三个大件全包了。README 里反复强调一个数字：大约 8600 行 RL 代码（推文里说的 9K 是个约数），却能撑到 1T 级别的 MoE。 OpenRLHF 的 ...

这个叫“钟平”的又在胡说八道（他说：“math=手指”）！ 英文mathmatics 源自拉丁文mathēmaticus，后者是古希腊文μαθηματικός的音译词。μαθηματικός由μάθημα与词尾ικός（“与…相关”）复合而成，ικός意指“与…相关”。因此，从构词结构看 ...

本报告是关于数学文化理论研究与教学实践的一点思考与体会。 刘鹏飞教授，长春师范大学副校长，博士，教授，硕士生导师。曾任吉林师范大学数学学院院长、科研处处长。中国数学会数学史专业委员会常务理事，中国高等教育理事，吉林省数学教育研究会 ...

建议使用 Python 3.10 ~ 3.12。Windows 用户优先推荐安装 Miniconda，也可以使用官方 Python。 Causal Inference for the Brave and True的中文翻译版。全部代码基于Python，适用于计量经济学、量化社会学、策略评估等领域。英文版原作者：Matheus Facure ...

2020/12/02 —— @hitszjsy同学提供了第 8 章 OJ 练习题目4中，一种获取所有组合数更为简洁的方法；以及第 6 章 OJ 练习题目2中，利用更相减损法求最大公约数。 针对北京大学陈斌教授在慕课上所开设的《Python 语言基础与应用》（第 5 次开课）的学习，本人整理了 ...