20250416周报

周报

2025041020250411 2025041420250415

添加之前还没来及具体实现的模块
实验后（20250415）发现结果令人笑死（已与丁老师聊过，并获得一些整改意见，目前已经快整改完了）
这弱智agent买了数十万种商品成功卖出1个（在多次测试中成功卖出一个）
已经修好了，怀疑是之前那个模块哪儿写错了

20250416~20250417

受不了了，把数据全部搞到数据库上去了，现在比之前方便了100倍（纯体感）。

20250412

打蓝桥杯

20250413

阅读论文Training Large Language Models to Reason in a Continuous Latent Space
（学弟倾情推荐两周终于想起来读了）

20250415~20250416

阅读论文DISTRL: AN ASYNCHRONOUS DISTRIBUTED REINFORCEMENT LEARNING FRAMEWORK FOR ONDEVICE CONTROL AGENTS
是组里其他两位搞agent的同学推荐的，这两天在忙着写代码，还没读完