钓鱼执法reward hack你见过吗
2026-10-28
从方法到实验理解 GRAFT:当监控器只能发现部分作弊时,如何通过控制参数更新的位置,降低模型的奖励作弊倾向。
5370 words
|
27 minutes
给 SuperMimic 加上地形感知,然后失败了
2026-10-28
这几天围绕 SuperMimic 做的一次失败探索:从地形跟踪、完整感知,到模型梯度诊断、参考适配和真实物理 PPO。链路跑通了,但还没有得到一个能稳定利用地形、又保留原有动作质量的策略。
4229 words
|
21 minutes
Data or Rule? who's the way to AGI?
2025-09-22
my viewpoint of data-driven and rule-based simulation
1675 words
|
8 minutes
a new start
2025-09-21
其实说这是我的第一个blog肯定是不正确的,因为我初中就开始整这个,初中当时懵懵懂懂的也整了一个first blog,当时好像在上面写了一些文章,但是有种为赋新词强说愁的意味。因为其实当时我没有那么多要表达的东西,也不算是一种技术分享吧,因为当时属实没有什么技术可以分享的,所谓技术报告,无非就是一个dij加了个堆优化,当时用着结构体外的重构都觉得自己已经是C++语法大师了。但是很遗憾的是,那个blog最后丢失了,丢失的原因还是挺可惜的,那时候的我并不知道重装系统会丢失C盘里的东西,然后当时不知道为什么觉得那台电脑的win7系统实在是落后,自己找了个win10重装了一下午。说来也真是遥远,那个blog最后一次更新已经是2019年了,有一天我突发奇想想去回忆一下当年的很多内容,但是无比可惜的是,当年的密码最终防住了我,很多文章我现在都已经忘记了密码,打不开他们了。
1047 words
|
5 minutes