Yoyo_Lee 的博客

研究笔记、论文阅读，以及日常生活分享

研究周报 · 2026.08.29-09.13 · Dr.MAS 训练进展与 PPU 平台实践

记录 Dr.MAS Qwen3‑4B 的训练集指标、PPU 环境与存储排查，以及 9 月 16 日 PAI 作业提交补记。测试集结果在原稿撰写时尚未完成。

作者 Yoyo_Lee 发表于 · 周报

研究周报 · 2026.08.22-08.28 · C3 基线筛选与复现边界

选定 C3 作为 agent‑level credit assignment 的候选基线并启动复现； 记录其公开仓库缺失脚本、配置与论文不一致带来的复现边界，以及下一步研究方向调整。

作者 Yoyo_Lee 发表于 · 周报

研究周报 · 2026.08.08-08.14 · Agent‑Level Credit Assignment Baseline 筛选

筛选 agent‑level credit assignment baseline，梳理 COSAC、DAE、COMA 的可训练信号与成本； 探索 fixed‑trace implicit counterfactual 以及其信息泄漏边界。

作者 Yoyo_Lee 发表于 · 周报

研究周报 · 2026.07.18–08.07 · Orchestration Trace、LLM‑MAS系统侧与经典RL Pipeline

精读arXiv:2605.02801，梳理orchestration trace、uniform credit diffusion、spawn counterfactual与从token到team的credit粒度；补齐LLM‑MAS系统侧知识，并回顾REINFORCE、PPO、GRPO、GiGPO，下一步先跑通trace schema与最小2-agent环境。

作者 Yoyo_Lee 发表于 · 周报

研究周报 · 2026.04.26–05.09 · C3/CCPO 反事实信用分配与 minimal-agent-harness 搭建

精读 C3、CCPO 两篇反事实信用分配论文，对比 message‑level/agent‑level counterfactual 与 CAD‑GRPO 的 tradeoff；Q&A 讨论全对/全错 trajectory 的价值（NPO/DAPO）；搭建 minimal-agent-harness 单 agent rollout 环境；规划 CAD‑GRPO 实验框架。

作者 Yoyo_Lee 发表于 · 周报

我为什么最喜欢晴雯——一个被误读的"任性"丫鬟

晴雯的判词里藏着曹公最锋利的八个字——"心比天高，身为下贱"。她不是红楼梦里最完美的人，但她是最真实的人。

作者 Yoyo_Lee 发表于 · 生活

你感觉现在的电影和音乐不如以前了，这不是错觉，但原因不是你想的那样

每天有120000首新歌上传到流媒体平台，Spotify上400万首曲目从未被播放。经典没有消失，它被埋在了噪音山里。

作者 Yoyo_Lee 发表于 · 生活

Claude Code 架构深度解析：Tool Use Loop、Context Management 与 Multi‑Agent 机制

基于 Claude Code 源码的深度架构分析，聚焦三大核心机制：无限循环内的流式工具调用、多层分级上下文管理、 以及多类型子代理的生命周期与协作体系。

作者 Yoyo_Lee 发表于 · 研究

研究周报 · 2026.04.19–04.25 · DAPO/GiGPO/MAPPA/Dr.MAS 精读与 sub2api 实践

精读 DAPO、GiGPO、MAPPA、Dr.MAS，梳理 agent‑level、step‑level、token‑level 信用分解的组合思路；开发 sub2api 令牌分发工具；学习 LangGraph、AutoGen、AgentScope、CAMEL 等经典 agent 框架实践。

作者 Yoyo_Lee 发表于 · 周报

春日随笔 - 一段关于专注的记忆

一段关于专注、阅读 Deep Work 和日常节奏的小记录。

作者 Yoyo_Lee 发表于 · 生活