阅读论文Multimodal Spatial Reasoning in the Large Model Era: A Survey and Benchmarksmllm的综述。大致了解了概念，有哪些方法，有哪些问题。还未细读（看它所指出的论文来加深印象和理解）。
A Survey of Self-Evolving Agents自我学习的智能体综述。此前跟朋友一起做了个玩具multiagent打codeforces，最近想到一些有趣的想法想玩，因此来读这篇论文学习并了解这个方向。这篇论文基本只起到分类指引作用，准备之后按图索骥随用随读需要的论文。
LiveCodeBench Pro: How Do Olympiad Medalists Judge LLMs in Competitive Programming?(nips2025)一个收录算法竞赛题目的bench
关于下面这篇，有趣的是，在读这篇论文一周前，我曾与朋友商量讨论要不要做一下这件事，并且为此思考并尝试与讨论过一些架构的设计。AutoCode: LLMs as Problem Setters for Competitive ...
步骤1：基础网络配置
R1702 配置1234567891011121314151617181920212223242526272829<H3C>sysSystem View: return to User View with Ctrl+Z.[H3C]int g0/1[H3C-GigabitEthernet0/1]ip address 202.100.17.2 24[H3C-GigabitEthernet0/1]quit[H3C]int g0/0[H3C-GigabitEthernet0/0]ip address 17.2.20.1 30[H3C-GigabitEthernet0/0]quit[H3C]int g5/1[H3C-GigabitEthernet5/1]ip address 17.2.10.1 24[H3C-GigabitEthernet5/1]quit[H3C]sysn R_1702[R_1702]saveThe current configuration will be written to the device. Are you sure? [Y/N]:y ...
干活继续完成了 mllm 部分的论文阅读以及 RLHF & PPO 论文的阅读，有天花了一晚上时间理解 PPO 的 clip 的目的和数学原理。
随便找了下那天晚上发给ausert吐槽的照片（gemini3flash太好用了
周六开始至今在写 mllm 的复现代码，这次是完全100%人工队，力求搞懂到底，还没搓完。
感想感觉对比学习出来的那个CLIP会丢失大量信息啊。
其他活完成了操作系统课设的答辩；终于打赢了JAVAEE的一项大作业，虽然展示的时候非常愚蠢（不会演讲怎么办），但无论如何我自己是学到很多东西并觉得自己搞定了。
复(bei)习(song)了一些计网，清空了一波校内作业。
使用 picgo(cli) + piclist(vscode plugin) 实现在vscode-markdown文件中直接导入图床上图片
1npm install picgo -g
在 ~/.picgo/config.json 中完善配置
12345678910111213141516171819{ "picBed": { "current": "smms", "uploader": "lankong", "lankong": { "lskyProVersion": "V2", "server": "https://server_url", "token": "Bearer Token", "strategyId": "", "albumId": "", "permission": "private(default)", "ignoreCertErr": false, "syncDelete": false } }, "picgoPlugins": { "picgo- ...
论文阅读上周阅读论文时没看liujian师兄的gitee，以至于以乱序阅读论文（这导致我先阅读了拼好model llava 和 gpt2 后，返回阅读 bert 和 gpt1 两个 encoder-only 和 decoder-only。在再一次反复理解 transformers 的 encoder-decoder 架构以及与 gemini 讨论翻译任务的前世今生后，感觉自己的大脑再一次学会了 transformers 架构。（究竟要学会几次（
另外粗读了 gitee 上之后的几篇多模态架构论文，感性地理解了一下 blip 和 llava。（？
经朋友推荐阅读了一篇模型结构相关的论文Atlas: Learning to Optimally Memorize the Context at Test Time学习到了一些奇技淫巧：Newton-Schulz5 5次矩阵乘法来逼近矩阵的逆或正交形式？（
一些小事：在跟朋友争论专家模型时，再次阅读了 lora 源论文，一边读一边想到了能不能用 lora 加的那个模块做不同专家，想清楚后一问 gemini 说是 MoE-LoRA。QwQ
有一种从 ...
数据在项目根目录下By Gemini3 Pro Review
123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109110111112113114115116117118119120121122123124125126127128129130131132133134import sysimport osfrom pyspark.sql import SparkSessionfrom pyspark.sql.functions import col, avg, count, desc, explodefrom pyspark.ml.recommendation import ALSfrom pyspark.ml ...
开始学习vllm的基础知识才发现vllm与传统cv的巨巨巨巨巨大差别，vllm好有意思（看清->看懂）
阅读论文Visual Instruction Tuning，从而去了解了 CLIP; 指令微调SFT->视觉指令微调
Training language models to follow instructions with human feedback SFT->RLHF/PPO
其他大三上学期是一个学校作业很多的学期，这学期我的作业单上长出了以下几个重头戏：
操作系统课设
python大作业
JAVAEE大作业+课设
以及几个需要花时间学习以获得更高绩点的课程：
计网
大数据
编译原理
JAVAEE
这些东西十分困扰我，我做了以下一些准备：
大数据老师提出让我选择大数据相关的课题作为python课的大作业，这能同时帮助我学习一些大数据课程知识；
使用此前数据库课设未完全完成的项目完善后作为操作系统课设；- 这个已经完成的差不多了
使用考研教材学习计网；
由于JAVAEE选题十分严格，因此只能单独做了。- 正在完成中
之后计划
完成vllm的基础学习 ...
