从 DPI 和 η 框架理解合成数据为什么有时有效有时崩溃，以及监督信号的粗细如何决定训练效率、泛化能力和 reward hacking 风险。

梳理 2024-2026 年推理 LLM 强化学习的主要进展，从 REINFORCE、PPO 讲起，到 GRPO 及 DAPO、CISPO、GSPO 等后续改进方法。

P-Lib 2026 年第一次讲座的视频学习笔记：从后训练（SFT / RLHF / RLVR / DPO）到 Agent 时代的演进，涵盖推理能力三层次、Benchmark 评估方法、Agent RL 训练范式以及 LLM 能力边界的判断。

北京大学 Linux 俱乐部 HPCGame 2026 赛前讲座笔记，覆盖大模型训练、推理系统、并行策略、GPU 与高性能网络。

本文介绍如何通过配置SSH密钥和VSCode插件，实现从Windows系统远程连接Linux服务器进行开发。

本文介绍Git LFS安装、代理配置及常用操作，包括连接远程仓库、提交代码、清除记录和版本回退等实用技巧。

本文介绍LaTeX排版系统中的数学公式基础语法，包括上标、下标、积分、求和、字体设置及文本注释等常用符号的输入方法。

文章介绍了Sublime Text的破解步骤，并详细列举了其丰富的快捷键分类与用法，涵盖选择、编辑、搜索及显示等操作。