本文为个人技术笔记，整理自对近三年（2023.7–2026.7）LLM/Agent Personalization（个性化）相关论文的调研。主要参考两篇核心综述——A Survey on Personalized Alignment（Guan et al.）与 A Survey on Personalized and Pluralistic Preference Alignment in LLMs（Xie et al.）——及论文列表仓库 liyongqi2002/Awesome-Personalized-Alignment，以及文中列出的原始论文，具体出处见文末 References。 ...
本文为个人技术笔记，整理自对 2022–2026 年 Agent Self-Evolve（自进化智能体）相关论文的调研。主要参考两篇核心综述——A Survey of Self-Evolving Agents（Gao et al.）与 A Comprehensive Survey of Self-Evolving AI Agents（Fang et al.）——及其配套仓库 CharlesQ9/Self-Evolving-Agents、EvoAgentX/Awesome-Self-Evolving-Agents，以及文中列出的原始论文，具体出处见文末 References。 ...
本文为个人技术笔记，主要整理自 RUC-NLPIR/Awesome-Long-Horizon-Agents 及其对应综述论文 Towards Long-Horizon Agents: A Survey。文中涉及论文均尽量附原文链接，具体出处见文末 References。部分公式为对方法机制的抽象化表达，会在文中显式说明；若需引用具体方法细节，请以原始论文为准。 ...
本文为个人技术笔记，整理自对近两年（2024–2026）Rubric-based Evaluation（基于评分细则的评估方法）相关论文的调研。主要参考 RUC-NLPIR/Rubrics_Survey（《The Rules of the Game: A Survey of Rubrics for Large Language Models》）及文中列出的原始论文，具体出处见文末 References。 ...
本文综合了 Thinking Machines Lab 的 On-Policy Distillation 博客 与 OPD 前沿技术综述的内容，系统梳理同策略蒸馏（OPD）的核心原理、工业实践与最新算法进展。 大语言模型的能力并非一蹴而就——它们通常经历三个训练阶段：预训练（Pre-training） 教会模型语言理解与世界知识；中间训练（Mid-training） 注入领域知识；后训练（Post-training） 引导出指令遵循、数学推理或对话等目标行为。后训练是将基础模型变成有用工具的关键一步，而同策略蒸馏（On-Policy Distillation, OPD）正在以更高的样本效率和更密集的监督信号，重新定义这一阶段的范式。 ...
全文为Weng, Lilian. (Apr 2024). Diffusion Models Video Generation. Lil’Log.的中文翻译版本。 在过去几年里，扩散模型在图像合成方面显示出了优异的效果。现在，研究界已经开始着手一项更加艰巨的任务——将扩散模型用于视频生成。该任务可以看作是图像生成的超集，因为图像可以认为是1帧的视频，但是图像生成更加具有挑战性，原因如下： ...
Update [2024.12.7]：增加条件生成以及潜在扩散模型的介绍。 Update [2024.12.11]：增加评估指标的对比以及超参数调整。 Update [2024.12.12]：增加对于扩散模型个性化生成微调方法的介绍 生成模型 目前主流的生成模型包括生成对抗模型 (GAN)、变分自编码器 (VAE)和基于流的模型 (Flow-based models)。 ...