[Agentic RL][01] 练习两天半，完全从零开始实现PPO算法（基于Qwen2.5-0.5B），不依赖第三方强化学习框架，从原理讲解到代码实现
[知识蒸馏][02] 练习两分半，使用DeepSeek-R1蒸馏训练自己的本地小模型（Qwen2.5-0.5B），原理流程全讲解，模型数据全给你
[veRL] 从原理层面理解训练参数，PPO & GRPO，batch size，kl & entropy
[Agent][01] 练习两天半，从零开始实现Deep Research（DeepSeek自动生成带插图的markdown报告），原理讲解到代码实现
LLMs-Zero-to-Hero，完全从零手写大模型，从数据处理到模型训练，细节拉满，一小时学会。 build a nanoGPT from scratch
【手把手实现】DeepSeek R1蒸馏训练Qwen 3B
【精读AI论文】知识蒸馏
练习两天半，从零实现多模态大模型（多图场景，多轮对话），从原理讲解到代码实现，搭配流程图，清晰易懂
全面超越GraphRAG，速度更快，效果更好，落地部署更方便。从原理、本地Qwen2.5-3B模型部署到源码解读，带你全流程解析LightRAG
完全从零手写MOE大模型，复现 DeepSeek MOE 算法，彻底 MOE 算法进化之路，build a nano MOE LLM from scratch
[知识蒸馏][03] 闭关两天半，完全从零开始实现Embedding模型知识蒸馏（学生模型Qwen3-Embedding-0.6B，教师模型4B/8B）
[知识蒸馏][05] 闭关两天半，从零实现大模型Logits知识蒸馏（Cross-Tokenizer，GLM4-9B-->Qwen2.5-0.5B）
[LLM+RL] 理解 GRPO 公式原理及 TRL GrpoTrainer 代码实现（advantage 与 loss 计算）
RAG实战系列（医疗知识问答），从零开始实现多路召回检索，带你了解检索流程和算法原理
练习两天半，从零实现DeepSeek-R1（基于Qwen2.5-0.5B和规则奖励模型，GRPO），从原理讲解到代码实现，解开DeepSeek-R1的神秘面纱
[知识蒸馏][12] 一个很容易被忽略但是很重要的问题：为什么OPD中一般不直接使用reverse kl backward？
Qwen+GRPO后训练实现复杂医疗推理和疾病诊断
练习两天半，完全从零开始训练混合专家模型（MoE），从预训练到SFT全流程代码实现，搭配实例讲解MoE前向传播，绝对让你搞懂混合专家模型
闭关两周半，完全从零开始实现Qwen3-Next模型（参数60M，线性注意力GatedDeltaNet），从架构原理到代码实现，绝对是你能找到的最详细的讲解
[Agent][02] 练习两周半，完全从零开始实现Manus（LangGraph，智能数据分析报告生成），原理、流程到代码，让Agent不再神秘
