博客

日报：从实验结果反推评分体系缺陷 — 重构 Agent 轨迹质量评估框架 — 2026年2月24日

日报：面向德国 DSGVO 的幼儿园 SaaS 架构设计 — 物理隔离、零信任与端到端加密 — 2026年2月23日

日报：实验评测完成与结果概览 — 2026年2月22日

日报：Perplexity 评测启动与投稿方向讨论 — 2026年2月21日

语言是内在的工具

日报：评测困境与 Proxy Metrics 替代方案 — 2026年2月18日

日报：LoRA 微调测试与 baseline 参数确认 — 2026年2月15日

日报：身体不适与 OpenHands 0.54.0 初步测试 — 2026年2月14日

日报：模型端调试与 OpenHands 架构迁移 — 2026年2月13日

日报：关于AI 安全的思考 — 2026年2月12日

日报：OOM 排查与 H200 切换、模型评测调试 — 2026年2月11日

日报：训练收尾、调试验证与 Qwen 基线测试 — 2026年2月10日

日报：训练中断恢复与评测端验证推进 — 2026年2月9日

日报：训练流程稳定化与评测架构搭建 — 2026年2月8日

日报：多子集预处理与云端训练稳定化 — 2026年2月7日

日报：研究进展与工作流演进 — 2026年2月6日

日报：Claude Opus 4.6 与 Trajectory 质量研究 — 2026年2月5日

日报：研究方向反思与工具探索——2026年2月4日

日报：幼儿园 App 与模型评测——2026年2月3日

日报：SWE-agent 评测复盘——2026年2月2日

跑步、思考，与一个还未成型的未来

日报：vLLM 与 SWE Agent——2026年2月1日