CS336 HW1
Stanford CS336 作业一的实现笔记：BPE 分词器训练与增量更新优化，Transformer 语言模型各组件（RMSNorm、RoPE、注意力），以及交叉熵、AdamW、学习率调度与训练循环。
课程与实现Study#AI#LLM#Transformer
文章排版测试（草稿）
用于核对正文、代码、公式与自动同步的草稿，不参与网站发布。
工程实践Engineering#Systems
PPO
PPO 阅读笔记：重要性采样、KL 惩罚与截断目标。
课程与实现Study#RL
Deploy frp on mac and linux
在 macOS 与 Linux 上部署 frp，配置客户端、服务端及 systemd / launchd 守护进程。
工程实践Engineering#Systems