前沿算法岗位完整学习指南

July 27, 2026 · View on GitHub

基于北上杭深真实算法岗位的技术职责、硬要求和加分项生成。生成时间：2026-07-15T16:13:26+08:00。

使用方法

这份指南把岗位中的技术职责、硬要求和加分能力归并到阶段能力模块中。模块用于明确学习边界，实践任务、交付物、验收标准和技术索引按阶段统一组织。

建议维护一个贯穿全程的实验仓库，统一保存环境、数据、训练、评测、部署、失败案例和技术决策。不要把每个阶段做成互不关联的玩具项目。

完整性口径

  • 6635 条技术要求均映射到一个阶段能力模块；主文档不再逐句重复。
  • 357 项算法主关键词与补充技术词共同进入各阶段技术索引；每个词放在最适合学习的主阶段，避免重复堆砌。
  • 基础技术词表共 535 项，并从技术要求中补充缩写、框架和工具名。
  • 职责动作由能力闭环、实践任务和验收标准承接；具体技术对象由模块内容和技术索引承接。
  • 教育、院校、毕业批次和数字年限已在上游筛选文档中删除，本指南不重新引入。

能力全景

阶段能力域建议节奏能力模块技术关键词核心产出
0工程环境、编程与实验规范2-4 周662训练模板仓库、故障排查手册
1数学、统计、机器学习与优化基础4-6 周686数学推导笔记、传统 ML 基线仓库
2深度学习、Transformer 与生成建模5-8 周632Transformer 实现、生成模型实验
3数据工程、语料治理与合成数据4-7 周773版本化数据集、数据质量报告
4预训练、模型架构、MoE 与长上下文6-10 周7102预训练配方、Scaling 实验
5后训练、PEFT、强化学习与模型对齐7-12 周7137后训练流水线、偏好与奖励数据
6RAG、Agent、工具调用、记忆与长程规划6-10 周795RAG 系统、长程 Agent
7多模态、视觉语言、语音、视频与具身模型7-12 周7134多模态微调项目、生成模型项目
8评测、Benchmark、实验工程与因果分析4-7 周并持续进行750评测框架、Benchmark 数据卡
9AI 安全、红队、鲁棒性、事实性与隐私4-8 周并持续进行729威胁模型、红队与安全评测集
10分布式训练、训练平台与 AI Infra5-9 周758多卡训练方案、Profiling 报告
11推理、Serving、压缩与性能优化5-8 周755推理服务、性能基准
12垂直算法分支与业务建模任选 1-2 个方向，各 6-10 周875领域端到端项目、业务指标树
13论文复现、研究方法、产品落地与作品集贯穿全程，集中整理 4-6 周7207论文复现仓库、开源贡献

推荐推进方式

  1. 阶段 0-2 是共同基础，应先完成可复现训练模板、数学基线和 Transformer/生成模型实验。
  2. 阶段 3-5 打通数据、预训练和后训练，是基础模型算法岗的核心主线。
  3. 阶段 6-9 按 Agent、多模态、评测和安全逐步扩展，所有方向都必须建立可重复评测。
  4. 阶段 10-11 负责把算法变成可规模化训练和稳定服务的系统。
  5. 阶段 12 选择一到两个垂直方向形成深度；阶段 13 从第一天开始持续积累证据。

不要用课程数量衡量进度。每个阶段必须留下代码、数据说明、实验结果、失败分析和验收记录。

阶段 0：工程环境、编程与实验规范

建议节奏：2-4 周。能力模块：6 个。

学习目标

建立可复现、可调试、可扩展的算法研发底座，能独立完成数据处理、训练、评测和服务接口。

必学内容

能力闭环：原理研究与复现、数据构建与治理、算法建模与实现、训练调优与稳定性、评测、消融与误差分析、工程系统与工具链、部署、性能与运维、场景适配与产品闭环、安全、鲁棒与合规、原理理解与实际应用。

  • 模块 0.1：Python、C/C++、SQL、Shell；补充 Go/Java/Rust 在服务和高性能模块中的使用边界。
  • 模块 0.2：Linux、Git、Docker、Conda/uv、CUDA 环境、依赖锁定、配置管理和随机种子。
  • 模块 0.3：NumPy、Pandas、SciPy、scikit-learn；PyTorch Dataset、DataLoader、autograd 与自定义算子。
  • 模块 0.4：日志、断点续训、指标记录、实验追踪、数据校验、单元测试、回归测试和故障复现。
  • 模块 0.5：数据结构、复杂度、并发、网络、数据库、RPC/REST、缓存、消息队列和微服务基础。
  • 模块 0.6：Profiling、数值异常、梯度异常、OOM、I/O 瓶颈和线上问题定位。

实践任务

  1. 实现一个可配置的 PyTorch 训练模板，支持 AMP、断点恢复、独立评测和实验追踪。
  2. 为数据为空、标签越界、NaN、梯度爆炸、OOM 和训练中断分别编写复现与修复用例。
  3. 把模型封装为 REST/RPC 服务，加入超时、重试、幂等、批处理、监控和压测。

可交付成果

  • 训练模板仓库
  • 故障排查手册
  • 接口与压测报告

验收标准

  • 换机器后可按文档复现实验，关键依赖和随机性来源可追踪。
  • 能解释训练慢、显存高、结果漂移和服务不稳定的具体原因。
  • 代码具备测试、日志、配置、版本和最小可观测性。

技术关键词索引

  • AI-Native、c++、cuda、docker、FastAPI、FForking、Full-stack、git
  • GitHub、golang、go语言、GtHub、huggingface、ICPC、java、jax
  • JS、k8s、keras、kubernetes、linux、MATLAB、mindspore、MMDetection
  • ModelScope、MySQL、numpy、OD、OOP、OpenCode、opencv、PaddleDetection
  • paddlepaddle、pandas、PostgreSQL、PR、PyQt、python、pytorch、QNN
  • repo-level、RT-DETR、rust、scala、scikit-learn、scipy、shell、SIMULINK
  • sklearn、SPSS、sql、SWE-bench、TCP、tensorflow、transformers、triton
  • XZ0000580、并发编程、数据库、网络编程、计算机基础、软件工程

阶段 1：数学、统计、机器学习与优化基础

建议节奏：4-6 周。能力模块：6 个。

学习目标

能从目标函数、数据分布和统计假设解释算法，而不是只会调用框架。

必学内容

能力闭环：原理研究与复现、数据构建与治理、算法建模与实现、训练调优与稳定性、评测、消融与误差分析、工程系统与工具链、部署、性能与运维、场景适配与产品闭环、安全、鲁棒与合规、原理理解与实际应用。

  • 模块 1.1：线性代数：向量空间、矩阵分解、特征值、SVD、低秩近似和张量运算。
  • 模块 1.2：概率统计：条件概率、贝叶斯、常见分布、最大似然、假设检验、置信区间和校准。
  • 模块 1.3：优化：梯度下降、动量、AdamW、约束优化、凸优化、拉格朗日、数值稳定性。
  • 模块 1.4：机器学习：线性/逻辑回归、树模型、Boosting、聚类、降维、异常检测和特征工程。
  • 模块 1.5：泛化：偏差方差、正则化、交叉验证、数据泄漏、分布偏移和不确定性。
  • 模块 1.6：实验统计：效应量、显著性、功效、方差缩减、因果推断和 uplift 建模基础。

实践任务

  1. 不用深度学习框架实现线性模型、MLP 和反向传播，并进行梯度检查。
  2. 完成树模型与神经网络的同数据对比，分析数据规模、特征和误差类型。
  3. 设计一组有置信区间的对照实验，说明结论何时成立、何时不能外推。

可交付成果

  • 数学推导笔记
  • 传统 ML 基线仓库
  • 统计实验报告

验收标准

  • 能推导常用损失和优化更新，并解释稳定性与收敛问题。
  • 能识别泄漏、混杂、过拟合和指标误导。
  • 能为新问题建立合理基线，而不是直接上大模型。

技术关键词索引

  • AI+、ARM、BLOOM、C#、CANN、CCPC、co-design、DALI
  • DeepSpeedd、Diffusion-based、DLRover、DNN、DQN、DSA、end-to-end、ESPnet
  • fasterTransformer、GBDT、GNN、GO、GPGPU、hands-on、HMM、IEG
  • Inference、IP、LIO-SAM、LLaMA、LLamaFactory、LM、Long-CoT、LP
  • LSTM、MACE、MapTR、MASt3R、MCTS、MDP、MILP、MINLP
  • MIP、MLIR、MLM、mniGuard、MXNet、NN、NPU、NVIDIA
  • Objective-C、PhD、PHP、Python+Pytorch、QWen、RDMA、RESTful、Self-Evolving
  • SFTRLHF、Spec-Decoding、SwiftUI、SysML、TCN、TensorBoard、TF、TorchScript
  • TRT-LLM、VAD、VGGT、VideoMAE、ViT、WeNet、WFST、x86
  • XLA、凸优化、因果推断、数值计算、数学模型、数据结构、数理统计、最优化
  • 机器学习、概率统计、概率论、特征工程、特征提取、线性代数

阶段 2：深度学习、Transformer 与生成建模

建议节奏：5-8 周。能力模块：6 个。

学习目标

掌握现代基础模型共同的表示学习、序列建模和生成建模原理。

必学内容

能力闭环：原理研究与复现、算法建模与实现、训练调优与稳定性、评测、消融与误差分析、工程系统与工具链、部署、性能与运维、场景适配与产品闭环、原理理解与实际应用。

  • 模块 2.1：MLP、CNN、RNN/LSTM、残差、归一化、初始化、激活函数、正则化和损失设计。
  • 模块 2.2：Attention、Transformer、位置编码、RoPE、Encoder/Decoder、KV 表示和自回归建模。
  • 模块 2.3：BERT/GPT/ViT、对比学习、自监督学习、掩码建模和表征学习。
  • 模块 2.4：VAE/VQ-VAE、GAN、Diffusion、Flow Matching、能量模型和自回归生成。
  • 模块 2.5：优化器、学习率、warmup、梯度裁剪、混合精度、稳定性和消融实验。
  • 模块 2.6：参数量、计算量、显存、吞吐、上下文长度和数据规模之间的基本关系。

实践任务

  1. 从头实现小型 Transformer，并在序列任务上验证 mask、位置编码和解码策略。
  2. 训练一个视觉或文本编码器，比较监督、对比和自监督目标。
  3. 实现小型 Diffusion 或 Flow Matching 项目，并完成采样速度与质量对比。

可交付成果

  • Transformer 实现
  • 生成模型实验
  • 消融与失败分析

验收标准

  • 能解释架构、目标函数和数据如何共同决定模型行为。
  • 能阅读并修改主流模型代码，而不是只调用推理 API。
  • 每个结论都有基线、消融和失败案例支持。

技术关键词索引

  • ACT、attention、BaiChuan、bert、bge-m3、ChatGPT、DLRM、gpt
  • GR、HTML、LLM-based、MindGPT、MindStudio、MindX、MiniCPM、Model-Based
  • PPT、PSI、Representation Engineering、SeedVL、TMT、transformer、Transformer Architecture、偏好模型
  • 基础模型、大模型、大语言模型、奖励模型、扩散模型、深度学习、生成模型、语言模型

阶段 3：数据工程、语料治理与合成数据

建议节奏：4-7 周。能力模块：7 个。

学习目标

建立从原始数据到可训练、可评测、可追溯数据资产的完整流水线。

必学内容

能力闭环：原理研究与复现、数据构建与治理、算法建模与实现、训练调优与稳定性、评测、消融与误差分析、工程系统与工具链、部署、性能与运维、场景适配与产品闭环、安全、鲁棒与合规。

  • 模块 3.1：采集、解析、清洗、去重、过滤、脱敏、标注、质量评分、版本和血缘。
  • 模块 3.2：Web-scale 数据处理、MinHash/LSH、近重复、污染检测、版权与隐私约束。
  • 模块 3.3：Tokenizer：BPE、Byte-level、SentencePiece、Tiktoken、词表训练与压缩率。
  • 模块 3.4：数据配比、Data Mixture、Curriculum、难例挖掘、主动学习和数据价值评估。
  • 模块 3.5：指令、偏好、过程、轨迹、多模态和领域数据的 schema 与质量标准。
  • 模块 3.6：Synthetic Data、Self-Instruct、拒绝采样、蒸馏数据、Self-Play 和数据飞轮。
  • 模块 3.7：Spark/Flink/Hadoop/Ray、对象存储、流批处理、并行预处理和增量更新。

实践任务

  1. 构建百万级样本清洗去重管线，输出每一步保留率、质量变化和成本。
  2. 训练并比较两个 Tokenizer，分析领域词、长文本和多语言的编码效率。
  3. 生成一批指令或偏好数据，建立自动过滤与人工抽检协议。
  4. 做数据配比消融，把性能变化归因到来源、质量、难度和污染。

可交付成果

  • 版本化数据集
  • 数据质量报告
  • 合成数据与配比实验

验收标准

  • 任一模型结果可追溯到数据版本、规则和样本分布。
  • 能量化去重、过滤、配比和合成策略的收益与副作用。
  • 训练集、验证集、评测集之间不存在不可解释的污染。

技术关键词索引

  • / Synthetic Environments、AB、Adaptive Curriculum Learning、AUC、CC、CDK、ClickHouse、ColossalAl
  • Cross-functional Collaboration（产品 / 设计 / 数据 / 人文训练师团队）、Data Curriculum、Data Filtering、Data Filtering / Quality Filtering / Deduplication、Data Mixture Optimization、Data Mixture Optimization / Data Curriculum、Data-Centric、Deduplication
  • DFL、DFT、DSP、EasyR1、ETA、Graph-LLM、HDFS、High-Quality Data Curation
  • IMAGE、IO、IoT、IoU、KS、LaMMA-Factory、LGB、LR
  • LTV、mAP、MapReduce、MaxCompute、MongoDB、MQTT、MVS、NebulaGraph
  • Neo4j、NLU、NoSQL、PB、PE、Pipeline、Quality Filtering、query-doc
  • retrieval、RTOS、S3、SfM、Synthetic Data Generation、Table+、TB、UMI
  • user-item、Web-scale Data Filtering、Web-scale Data Filtering / Quality Filtering / Deduplication、Web-scale Data Processing Pipeline、XGB、偏好数据、合成数据、向量数据库
  • 数据分析、数据去重、数据合成、数据标注、数据治理、数据清洗、数据管线、数据质量
  • 数据配比

阶段 4：预训练、模型架构、MoE 与长上下文

建议节奏：6-10 周。能力模块：7 个。

学习目标

理解并实践基础模型从数据配方到稳定训练、扩展和架构迭代的核心方法。

必学内容

能力闭环：原理研究与复现、数据构建与治理、算法建模与实现、训练调优与稳定性、评测、消融与误差分析、工程系统与工具链、部署、性能与运维、场景适配与产品闭环、安全、鲁棒与合规、原理理解与实际应用。

  • 模块 4.1：Next-token prediction、自监督预训练、Continued/Domain-Adaptive Pre-training。
  • 模块 4.2：Scaling Laws、Compute-optimal、Chinchilla、数据/参数/算力预算和训练曲线外推。
  • 模块 4.3：Dense Transformer、MoE、稀疏激活、路由、专家负载均衡和容量规划。
  • 模块 4.4：AdamW/Lion/Muon/Sophia、学习率、warmup、cosine decay、梯度裁剪和稳定性。
  • 模块 4.5：长上下文：RoPE、YaRN、NTK-aware、ALiBi、Ring Attention 和上下文扩展。
  • 模块 4.6：FlashAttention、Activation/Gradient Checkpointing、BF16/FP8 和训练效率。
  • 模块 4.7：数据混合、Tokenizer、checkpoint、loss spike、退化检测和预训练评测。

实践任务

  1. 预训练一个小型语言模型，完整记录 token、FLOPs、loss、吞吐和验证能力。
  2. 完成一次领域继续预训练，与直接 SFT 做公平对比。
  3. 实现或复现小型 MoE，分析路由分布、负载不均和通信成本。
  4. 扩展上下文窗口，比较位置编码外推、训练成本和长文本真实收益。

可交付成果

  • 预训练配方
  • Scaling 实验
  • MoE/长上下文报告

验收标准

  • 能从数据、优化、数值、并行和模型结构定位训练异常。
  • 能用预算约束解释模型与数据规模选择。
  • 能证明长上下文或 MoE 改动带来真实任务收益，而非只改善单一指标。

技术关键词索引

  • / Sparse MoE、AD、AdamW、ADK、ALiBi、Autoregressive Language Modeling、Baichuan-Omni、BERT4Rec
  • CFA、Chinchilla-optimal、CLIP-type、Continued Pre-training、Continued Pre-training / Domain-Adaptive Pre-training、Cosine Decay、CosyVoice、CP
  • CPA、Cross-Attention、Cross-lingual、DCN、DeepSpeed-MoE、DiT、Domain-Adaptive Pre-training、DP
  • DualPipe、E2E、embedding、EP、EPLB、FlashMLA、FRM、GQA
  • GraphRAG、Hessian-free、HSTU、K+、KV、Learning Rate Schedule / Warmup / Cosine Decay、Lion、Long-context
  • Long-Context Modeling、Long-Context Pre-training、LongCat、Mid-training、MindDiffusion、MindFormers、MindPet、MindSpeed-LLM
  • Mixture of Experts、Mixture of Experts（MoE）、MLA、MoE、MoE Pre-training、MoE Routing、MTP、Multi-task
  • Muon、MuP、Next-Token Prediction / Autoregressive Language Modeling、NTK-aware Scaling、NTP、Omni-model、Optimizer、Optimizer（AdamW / Lion / Muon / Sophia）
  • PaddleOCR、PAI、PP、Pre-training、Pre-training / Self-Supervised Pre-training、ReAct、ResidualNet、Ring Attention
  • RoPE、RoPE / YaRN / NTK-aware Scaling / ALiBi、scale-up、Scaling Laws、Scaling Laws / Compute-Optimal Training / Chinchilla-optimal、self-attention、self-improve、Self-Supervised Pre-training
  • Sophia、SP、Sparse Activation、Sparse Activation / MoE Routing、STEM、Tokenizer、TP、Transformer Architecture / Mixture of Experts（MoE） / Sparse MoE
  • U2++、V-LLM、VAE、VALLE、VITS、VQ、Warmup、Wav2Vec
  • WLLM、XML、YaRN、自监督预训练、长上下文、预训练

阶段 5：后训练、PEFT、强化学习与模型对齐

建议节奏：7-12 周。能力模块：7 个。

学习目标

掌握从 SFT、偏好优化、奖励模型到可验证强化学习和持续对齐的完整链路。

必学内容

能力闭环：原理研究与复现、数据构建与治理、算法建模与实现、训练调优与稳定性、评测、消融与误差分析、工程系统与工具链、部署、性能与运维、场景适配与产品闭环、安全、鲁棒与合规、原理理解与实际应用。

  • 模块 5.1：SFT、Instruction Tuning、Cold Start、数据配方、模板、packing 和灾难性遗忘。
  • 模块 5.2：LoRA/QLoRA/DoRA/AdaLoRA、Adapter、Prompt/Prefix/P-Tuning 与全参微调。
  • 模块 5.3：Preference Modeling、Reward Model、PRM/ORM、Process/Outcome Supervision。
  • 模块 5.4：RLHF、RLAIF、RLVR、PPO、GRPO、DAPO、RLOO、DPO、SimPO、KTO、ORPO。
  • 模块 5.5：Verifiable Reward、Advantage、credit assignment、reward hacking 和训练稳定性。
  • 模块 5.6：Scalable Oversight、Constitutional AI、Weak-to-Strong、Debate、IDA 与递归改进。
  • 模块 5.7：持续后训练、在线反馈、Self-Play、Self-Improvement、模型退化和安全边界。

实践任务

  1. 完成 SFT 与 LoRA/QLoRA 对比，记录精度、显存、吞吐和遗忘。
  2. 构建偏好数据，训练奖励模型并完成 DPO/GRPO 中至少一种方法。
  3. 为数学、代码或工具任务设计可验证奖励，分析作弊和奖励投机。
  4. 比较过程监督和结果监督，做 KL、长度、格式和泛化消融。

可交付成果

  • 后训练流水线
  • 偏好与奖励数据
  • 对齐/RL 实验报告

验收标准

  • 能说明不同后训练方法的目标、数据需求、偏差和适用边界。
  • 能诊断 reward collapse、长度偏好、KL 漂移、模式坍塌和验证集过拟合。
  • 模型提升同时经过能力、安全、风格、事实性和回归评测。

技术关键词索引

  • / OpenRLHF、/ Outcome Reward Model、/ Preference Modeling、AdaLoRA、Adapter Tuning、Adapter Tuning / Prompt Tuning / Prompt Tuning v2、AgenticSearch、alignment
  • AutoML、Best-of-N、CodeAgent、Context Window Extension / Long-Context Fine-tuning、Continuous Post-Training、CoT、DAPO、Debate-style Oversight
  • DecoderOnly、DeepResearch、DeepSpeed-Chat、DJI、DocVQA、DPO、DPO / SimPO / KTO / ORPO / RLOO / RiskPO、Dr. GRPO
  • Dynamic Preference Modeling、End-to-End Post-Training、fine-tuning、FT、Full-parameter Fine-tuning vs PEFT 混合策略、GPT-4V、GRPO、GRPO / DAPO / Dr. GRPO
  • GSPO、ICL、IM、IPO、ISP、Iterative Post-Training、Iterative Post-Training / Continuous Post-Training、JD-LLM
  • KL、KTO、KV-Cache、Large-scale Preference Data Pipeline、Latent Space Alignment、Latent Space Alignment / Representation Engineering（RepE）、LLaMA-2、LLaMA-Factory
  • Long-Context Fine-tuning、Long-Term、Long-thought、LoRA、LoRA / QLoRA / DoRA / AdaLoRA / Prefix Tuning / P-Tuning、Meta-learning、Model、MoE Fine-tuning
  • MoE Post-training、MoE Pre-training / MoE Post-training / MoE Fine-tuning、MS-Swift、NL2SQL、On-policy、OneTrans、OPD、OpenRLHF
  • ORPO、Parameter-Efficient Fine-Tuning、PEFT、PEFT（Parameter-Efficient Fine-Tuning）、Post-Training、Post-Training Pipeline、Post-Training Pipeline / End-to-End Post-Training、PostTraining
  • PPL、Preference Collection Pipeline、Preference Data Construction、Preference Data Construction / Synthetic Preference Data、Pretraining、Process Reward Model、Process Reward Model（PRM） / Outcome Reward Model（ORM）、QLoRA
  • Qwen2.5-Coder、RankMixer、Reasoning、Recursive Reward Modeling、Recursive Reward Modeling（RRM）、Recursive Self-Improvement、Recursive Self-Improvement（RSI）、Reinforcement Learning Post-Training
  • Reinforcement Learning with Verifiable Rewards、reward model、Reward Modeling、Reward Modeling（RM） / Preference Modeling、RL、RL Stage / Reinforcement Learning Post-Training、RLAIF、RLHF
  • RLHF / RLAIF / RLVF、RLOO、RLVR、RLVR（Reinforcement Learning with Verifiable Rewards）、ROLL、rollout、SAM、Scalable Oversight
  • Self-Alignment、Self-Improvement loops、Self-Play、SFT、SFT / Supervised Fine-Tuning / Instruction Tuning / Cold Start、SimPO、SL、STR
  • Supervised Fine-Tuning、Synthetic Data Generation / Synthetic Preference Data Pipeline、Synthetic Preference Data、Synthetic Preference Data Pipeline、Tiktoken、Tokenizer（BPE / Byte-level / SentencePiece / Tiktoken）、ToSQL、Training
  • UGC、Value Alignment、VeOmni、Verifiable Reward、Verifiable Reward / Verifiable Feedback、verifier-driven、verl（ByteDance RL Framework） / OpenRLHF / TRL / Axolotl、Vision-Language
  • Weak-to-Strong Generalization、Weak-to-Strong Generalization / Weak-to-Strong Preference Optimization、Weak-to-Strong Preference Optimization、价值对齐、后训练、对齐、微调、指令微调
  • 模型对齐

阶段 6：RAG、Agent、工具调用、记忆与长程规划

建议节奏：6-10 周。能力模块：7 个。

学习目标

构建能检索、规划、调用工具、维护状态并在长任务中稳定恢复的智能体系统。

必学内容

能力闭环：原理研究与复现、数据构建与治理、算法建模与实现、训练调优与稳定性、评测、消融与误差分析、工程系统与工具链、部署、性能与运维、场景适配与产品闭环、安全、鲁棒与合规、原理理解与实际应用。

  • 模块 6.1：RAG：切分、Embedding、召回、混合检索、重排、引用、权限和知识更新。
  • 模块 6.2：Function Calling、Tool Use、MCP/API、代码执行、浏览器/数据库工具和沙箱。
  • 模块 6.3：ReAct、Plan-and-Execute、反思、搜索、任务分解、状态机和工作流编排。
  • 模块 6.4：短期/长期/情景/语义记忆、跨会话记忆、检索、压缩、衰减和隐私。
  • 模块 6.5：Multi-Agent、角色协作、通信协议、冲突、共享状态和可观测性。
  • 模块 6.6：Agentic RL、长程 rollout、异步环境、轨迹优化、Agent World Model。
  • 模块 6.7：Harness Engineering、失败恢复、幂等、成本、延迟、安全和长期 Benchmark。

实践任务

  1. 实现带引用的混合检索 RAG，评估召回、重排、答案事实性和权限泄漏。
  2. 构建能调用代码、搜索和数据库的 Agent，加入超时、重试和执行审计。
  3. 设计跨会话记忆实验，比较摘要、向量检索、结构化记忆和遗忘策略。
  4. 完成一个 20 步以上任务 Benchmark，统计成功率、错误传播、成本和恢复率。

可交付成果

  • RAG 系统
  • 长程 Agent
  • 轨迹与失败分类报告

验收标准

  • 检索、推理、工具、记忆和环境错误可以被独立定位。
  • Agent 输出可追踪到证据、工具调用和状态变化。
  • 长任务提升基于可重复 Benchmark，而非演示案例。

技术关键词索引

  • Agent、Agent World Model、Agent World Model（AWM） / Synthetic Environments、Agent-RL、Agent-to-Agent、AgentBench、Agentic RL、Agentic RL / Tool-augmented RL / Long-horizon RL
  • Agentic-RL、AgenticLLM、AgentOS、Agents、AgentScope、AI-Agent、AIagents、AIGuard
  • APP、arXiv、AutoGen、AutoGPT、B2B、Chain-of-Thought、chatBI、Coevolving World Model
  • Connector、Continual Learning、CrewAI、CRM、crop_video、Cross-session Memory、Cross-session Memory / Behavioral State Decay Mitigation、DataEngineer
  • DE、DeepReaserch、Dynamic Preference Modeling / Personalization、Episodic-Semantic Memory、Fact-Checking、FRIDAY、FunctionCalls、GB10
  • GUI、Hierarchical Agentic RL、Hierarchical Agentic RL / Multi-Agent RL、Hierarchical Long-Term Memory、Hierarchical Long-Term Memory / Episodic-Semantic Memory、IDE、LangChain、LangGraph
  • Lifelong Learning、Lifelong Learning / Continual Learning、LlamaIndex、LLM-as-a-Judge、long-horizon、Long-horizon Planning、Long-horizon Planning / Strategic Tool Utilization、Long-horizon RL
  • Long-term Memory Modeling、MaaS、MCP、Memory、Multi-Agent、Multi-Agent RL、MultiAgent、o3
  • OpenClaw、OS、Persistent Memory、Persistent Memory / Long-term Memory Modeling、Personalization、planning、Pre-trained、Proactive Memory Agent
  • PydanticAI、QA、R1、Scalable Agentic Rollouts、Self-Evolution、Self-Evolving Agents、Self-Instruct、Self-Play / Self-Improvement loops / Self-Evolving Agents
  • SKILL、Stateful Agents、Stateful Agents / Proactive Memory Agent、Strategic Tool Utilization、Tool-augmented RL、Tool-use、ToT、UGC+
  • workflow、XZ0000602、zoom-in、多智能体、工具调用、智能体、长期记忆

阶段 7：多模态、视觉语言、语音、视频与具身模型

建议节奏：7-12 周。能力模块：7 个。

学习目标

掌握图像、视频、语音、文本和动作的表示、对齐、生成及统一建模。

必学内容

能力闭环：原理研究与复现、数据构建与治理、算法建模与实现、训练调优与稳定性、评测、消融与误差分析、工程系统与工具链、部署、性能与运维、场景适配与产品闭环、安全、鲁棒与合规、原理理解与实际应用。

  • 模块 7.1：视觉编码器、CLIP、ViT、投影层、Cross-Attention、Q-Former 和多模态 Token。
  • 模块 7.2：图文/视频理解、OCR、检测、分割、Grounding、时空建模和开放词汇感知。
  • 模块 7.3：ASR、TTS、音频编码、语音对话、说话人和音视频同步。
  • 模块 7.4：VLM 指令微调、多模态预训练、数据混合、对齐、幻觉和细粒度评测。
  • 模块 7.5：文生图/视频、Diffusion/Flow、可控生成、编辑、一致性和生成评测。
  • 模块 7.6：VLA、World Model、行为预测、动作生成、机器人学习和自动驾驶多模态。
  • 模块 7.7：多模态部署的输入管线、显存、延迟、帧率、分辨率和端侧约束。

实践任务

  1. 微调一个开源 VLM，建立视觉遗漏、文本误解、时序错误和幻觉分类。
  2. 完成图像/视频/语音至少两种模态的联合任务与单模态基线对比。
  3. 实现小型可控生成或编辑项目，评估质量、一致性、可控性和安全。
  4. 选择 VLA、自动驾驶或具身方向，完成数据到闭环评测的最小项目。

可交付成果

  • 多模态微调项目
  • 生成模型项目
  • 模态错误分析

验收标准

  • 能解释不同模态的编码、对齐、融合和解码选择。
  • 评测覆盖感知、理解、推理、生成、时序和安全。
  • 能把多模态失败归因到数据、编码器、对齐、语言模型或解码器。

技术关键词索引

  • A2A、ActionInsight、AdaRound、Agent+、AI4SE、AIGC、AIOps、API
  • asr、BEV、BLIP、CapCut、Claude3.5Sonnet、CLE、CLIP、CNC
  • Co-pilot、CoTraining、CPT、DALL-E、DataLoader、DAU、DETR、DiffusionModels
  • DINO、DM、dots.mocr、dots.mocr-svg、dots.ocr、DVR、Few-shot、FlexRound
  • FLUX、FM、FP、GAN、GenAI、GenFlare、GenX、GNSS
  • GOD、GPT-4o、GPT4V、Grounding、HDR、HyperOS、i2i、IC
  • ID、Image2Code、IMU、INT、JSON、k+star、LBS、LiDAR
  • LLaVA、LLM+Recsys、llm4rec、LLMOps、LLMs、LMM、MindSpeed、MindSpeed-MM
  • ML、MLLM、MLOps、MMBench、MR、Multimodal Pre-training、NCNN、OmniGuard
  • OneRec、OneSearch、OpenCompass、OpenVLA、OPPO、Outcome Supervision、PDF、PGC
  • POC、POI、Post-Train、Pre-train、PrefixQuant、Process Supervision、Process Supervision / Outcome Supervision、PSIG
  • Qwen-Audio、Qwen-Coder、Qwen-Image、Qwen-Omni、Qwen-VL、QwenVL、RFT、RKNN
  • ROI、ROL、RPM、RQ-VAE、RTK、RTL、ScalingUp、SenseNova
  • SOP、SOTA、SpeechLLM、SpinQuant、SVA、TA、tts、UI
  • UID、Video-LLaMA、VL、vla、vlm、VLMs、VP、VQ-VAE
  • VQA、WAN、Wav2Vec2、WLM、world model、XR、YOLO、YOLOX
  • Z-Image、ZeRO、多模态、生成式AI、视觉语言、视频剪辑

阶段 8：评测、Benchmark、实验工程与因果分析

建议节奏：4-7 周并持续进行。能力模块：7 个。

学习目标

建立可信、可复现、能驱动迭代的离线与在线评测体系。

必学内容

能力闭环：原理研究与复现、数据构建与治理、算法建模与实现、训练调优与稳定性、评测、消融与误差分析、工程系统与工具链、部署、性能与运维、场景适配与产品闭环、安全、鲁棒与合规、原理理解与实际应用。

  • 模块 8.1：能力矩阵、Benchmark 设计、数据污染、难度分层、切片和黄金集。
  • 模块 8.2：准确率、F1、NDCG、BLEU/ROUGE、困惑度、校准、鲁棒性和任务成功率。
  • 模块 8.3：LLM-as-Judge、pairwise/rubric、位置偏差、自洽、校准和人工复核。
  • 模块 8.4：Human Evaluation、偏好采集、一致性、标注规范和质量控制。
  • 模块 8.5：A/B Testing、在线指标、护栏指标、方差缩减、序贯检验和 uplift。
  • 模块 8.6：实验管理、消融、回归、显著性、错误分类、bad case 和根因分析。
  • 模块 8.7：Agent/长程/多模态/安全评测以及性能、成本、延迟的联合评价。

实践任务

  1. 为已有项目建立分层评测集、自动评测、人工复核和回归门禁。
  2. 比较至少两种 Judge 策略，并用人工标签分析偏差和置信度。
  3. 设计一次 A/B 或离线反事实实验，给出效应量、区间和上线决策。
  4. 建立 bad case 数据库，把错误归因和修复动作接入下一轮训练。

可交付成果

  • 评测框架
  • Benchmark 数据卡
  • 实验与回归报告

验收标准

  • 指标与真实目标一致，切片结果和不确定性透明。
  • 结论能够经重复实验、统计检验和人工审计。
  • 每次模型迭代都有能力、安全、性能和成本回归。

技术关键词索引

  • a/b、A/B Testing、A/B Testing / Online Experimentation / Uplift Modeling、AED、Agentic Benchmark、Agentic Benchmark / Long-horizon Benchmark、ATH、Automated Evaluation Framework
  • Automated Judging Pipeline、BadCase、benchmark、ChatSVA、CNN、DMC、ECU、ELO
  • Framework、GAIA、GenBen、GSB、Human Evaluation、Human Evaluation / Preference Collection Pipeline、learning-based、LLM-as-Judge
  • LLM-as-Judge / Automated Judging Pipeline、Long-Context Evaluation、Long-horizon Benchmark、MMLU、MOS、Online Experimentation、Online Experimentation & Iteration、PRD
  • Process vs Outcome Evaluation、QPS、RNN、RT、RTL-LLM、RTLCoder、Seed3D、Self-Correction
  • SigLIP、TPOT、TTFT、Uplift Modeling、VeriCoder、Verifiable Rewards Evaluation、VerilogEval、VeriRL
  • 消融实验、评测

阶段 9：AI 安全、红队、鲁棒性、事实性与隐私

建议节奏：4-8 周并持续进行。能力模块：7 个。

学习目标

把安全从上线前检查变成数据、训练、评测和服务全链路能力。

必学内容

能力闭环：原理研究与复现、数据构建与治理、算法建模与实现、训练调优与稳定性、评测、消融与误差分析、工程系统与工具链、部署、性能与运维、场景适配与产品闭环、安全、鲁棒与合规。

  • 模块 9.1：Safety/Value Alignment、政策约束、拒答边界、Constitutional AI 和安全数据。
  • 模块 9.2：Jailbreak、Prompt Injection、越权工具调用、数据外泄和间接注入。
  • 模块 9.3：自动红队、攻击生成、对抗样本、风险分类、严重度和修复验证。
  • 模块 9.4：幻觉、事实性、引用、校准、不确定性、知识时效和 grounded generation。
  • 模块 9.5：Reward Hacking、欺骗、后门、模型窃取、投毒、成员推断和隐私。
  • 模块 9.6：Representation Engineering、Circuit Breaker、鲁棒训练和监控告警。
  • 模块 9.7：内容、金融、风控、医疗、驾驶和 Agent 执行中的领域安全约束。

实践任务

  1. 为 RAG/Agent 系统建立威胁模型，覆盖注入、越权、泄漏和危险执行。
  2. 构建自动红队集，记录攻击成功率、误拒率、修复率和能力损失。
  3. 实现事实性与引用评测，比较检索、训练和解码层修复。
  4. 为工具调用加入最小权限、确认、沙箱、审计和回滚。

可交付成果

  • 威胁模型
  • 红队与安全评测集
  • 修复及回归报告

验收标准

  • 风险有明确资产、攻击面、严重度、检测和缓解措施。
  • 安全提升不会用不可解释的能力损失换取。
  • 上线系统具备持续监控、事件复盘和快速回滚。

技术关键词索引

  • AI Safety via Debate、AI Safety via Debate / Debate-style Oversight、Automated Red Teaming、Automated Red Teaming / Red-teaming Automation、CBG、Circuit Breakers、Circuit Breakers / Representation Engineering for Safety、Constitutional AI
  • Constitutional AI / Self-Critique / Self-Alignment、Constitutional Constraints、Deceptive Behavior Mitigation、Factuality Alignment、Hallucination Mitigation、Hallucination Mitigation / Factuality Alignment、Jailbreak Defense、Jailbreak Defense / Adversarial Robustness
  • Representation Engineering for Safety、Reward Hacking Prevention、Reward Hacking Prevention / Deceptive Behavior Mitigation、Safety Alignment、Safety Alignment / Value Alignment、事实性、安全对齐、对抗鲁棒性
  • 幻觉、红队、越狱、越狱防御、鲁棒性

阶段 10：分布式训练、训练平台与 AI Infra

建议节奏：5-9 周。能力模块：7 个。

学习目标

能把模型稳定扩展到多卡、多机和大规模训练平台，并定位性能与可靠性瓶颈。

必学内容

能力闭环：原理研究与复现、数据构建与治理、算法建模与实现、训练调优与稳定性、评测、消融与误差分析、工程系统与工具链、部署、性能与运维、场景适配与产品闭环、原理理解与实际应用。

  • 模块 10.1：DDP、ZeRO、FSDP、Tensor/Pipeline/Sequence/Expert Parallel 和 3D 并行。
  • 模块 10.2：DeepSpeed、Megatron-LM、Colossal-AI、verl、OpenRLHF、TRL 和 Ray。
  • 模块 10.3：NCCL、拓扑、通信、重叠、sharding、checkpoint、恢复和容错。
  • 模块 10.4：BF16/FP16/FP8、Gradient/Activation Checkpointing、FlashAttention 和内存估算。
  • 模块 10.5：数据加载、样本 packing、动态 batch、吞吐、MFU、straggler 和长尾任务。
  • 模块 10.6：Kubernetes、队列、资源调度、弹性、优先级、可观测性和成本治理。
  • 模块 10.7：异步 rollout、环境隔离、偏好数据管线和后训练基础设施。

实践任务

  1. 把单卡训练迁移到 DDP/FSDP/DeepSpeed，逐层记录吞吐、显存和通信。
  2. 完成一次故障注入：进程、节点、存储或网络失败后自动恢复。
  3. 实现训练任务调度与监控面板，统计 GPU 利用率、排队和失败原因。
  4. 搭建小型异步 rollout 或偏好训练链路，分析生产者消费者瓶颈。

可交付成果

  • 多卡训练方案
  • Profiling 报告
  • 容错与调度实验

验收标准

  • 能估算不同模型、序列和并行策略的显存与通信。
  • 能定位计算、通信、I/O、数据、调度和 straggler 瓶颈。
  • 训练可恢复、可观测、可复现，并有明确成本指标。

技术关键词索引

  • 3D Parallelism、3D Parallelism / Activation Checkpointing、3D Parallelism / Pipeline Parallelism / Tensor Parallelism、A100、Activation Checkpointing、Activation Checkpointing / Gradient Checkpointing、ADAS、AI-infra
  • Asynchronous Rollout Infrastructure、B+、BF16、Checkpoint、Colossal-AI、ColossalAI、CPUGPU、DDP
  • deepspeed、DeepSpeed ZeRO、DeepSpeed ZeRO / FSDP / Megatron-DeepSpeed、FlashAttention、FlashAttention / Ring Attention / FlashAttention-2/3、FlashAttention for Long Context、FlashAttention-2/3、FP8
  • FSDP、GLM、GPU、GPU+CPU、Gradient Checkpointing、HPC、HugeCTR、Kernel
  • Kubernetes for Distributed Training、megatron、Megatron-DeepSpeed、Megatron-LM、Mixed Precision Training（BF16 / FP8）、MPI、oneDNN、PC
  • Pipeline Parallelism、Ray、Ray / Kubernetes for Distributed Training、Ring Attention / FlashAttention for Long Context、SGLang、Tensor Parallelism、TileLang、UCX
  • XZ0000582、ZeRO-1、Zero-Shot、分布式系统、分布式训练、异构集群、张量并行、数据并行
  • 模型并行、流水线并行

阶段 11：推理、Serving、压缩与性能优化

建议节奏：5-8 周。能力模块：7 个。

学习目标

在精度、延迟、吞吐、显存、成本和可靠性之间做可量化取舍。

必学内容

能力闭环：原理研究与复现、数据构建与治理、算法建模与实现、训练调优与稳定性、评测、消融与误差分析、工程系统与工具链、部署、性能与运维、场景适配与产品闭环、原理理解与实际应用。

  • 模块 11.1：Prefill/Decode、KV Cache、PagedAttention、Continuous Batching 和调度。
  • 模块 11.2：vLLM、TensorRT-LLM、TGI、Triton、ONNX Runtime、llama.cpp 和服务框架。
  • 模块 11.3：INT4/INT8/FP8、GPTQ/AWQ、量化感知、蒸馏、剪枝和稀疏化。
  • 模块 11.4：Speculative Decoding、并行解码、Prefix Cache、长上下文和多 LoRA Serving。
  • 模块 11.5：CUDA/Triton Kernel、算子融合、内存带宽、CPU/GPU 协同和硬件感知优化。
  • 模块 11.6：在线批处理、限流、熔断、降级、灰度、弹性、SLA 和多租户。
  • 模块 11.7：质量回归、监控、漂移、成本、容量规划和端侧部署。

实践任务

  1. 用 vLLM/TensorRT-LLM 部署模型，测量 TTFT、TPOT、吞吐、显存和成本。
  2. 完成两种量化或蒸馏方案，比较分任务精度和硬件收益。
  3. 为长上下文、多并发和突发流量设计容量与降级策略。
  4. 优化一个 CUDA/Triton 或数据预处理热点，给出 profiler 证据。

可交付成果

  • 推理服务
  • 性能基准
  • 压缩与容量规划报告

验收标准

  • 性能结论覆盖不同 batch、序列、并发和硬件。
  • 压缩后的能力、安全和长尾任务经过回归。
  • 系统达到明确 SLA，并能解释瓶颈与扩容策略。

技术关键词索引

  • AMP、AutoResearch、AWQ、AWS、Continuous Batching、CPU、Distillation、FP16
  • GCP、GMV、GPTQ、Hardware-aware Optimization、Inference Optimization、Inference Optimization / Serving Infrastructure、Iterated Distillation and Amplification、Iterated Distillation and Amplification（IDA）
  • KV Cache Optimization、KV Cache Optimization / PagedAttention / Continuous Batching、LVM、MNN、Model Compression、PagedAttention、Privacy-Preserving、PTQ
  • QAT、QNX、Quantization、Quantization（INT4 / INT8 / FP8 / GPTQ / AWQ）、RTC、Serving、Serving Infrastructure、SLA
  • Speculative Decoding、Speculative Decoding / Model Compression / Distillation、tensorrt、TensorRT-LLM、test-time、TGI、ToB、TPU
  • Triton Inference Server、TVM、vLLM、vLLM / TensorRT-LLM / TGI / Triton Inference Server、WebSocket、X-Learner、剪枝、推理优化
  • 推理加速、推理引擎、模型压缩、模型蒸馏、模型量化、蒸馏、量化

阶段 12：垂直算法分支与业务建模

建议节奏：任选 1-2 个方向，各 6-10 周。能力模块：8 个。

学习目标

把通用模型能力转化为领域问题定义、数据、指标、约束和线上收益。

必学内容

能力闭环：原理研究与复现、数据构建与治理、算法建模与实现、训练调优与稳定性、评测、消融与误差分析、工程系统与工具链、部署、性能与运维、场景适配与产品闭环、安全、鲁棒与合规、原理理解与实际应用。

  • 模块 12.1：NLP：分类、抽取、检索、问答、翻译、文本生成、知识图谱和多语言。
  • 模块 12.2：CV/AIGC：检测、分割、OCR、三维、图像/视频理解、生成、编辑和质量评价。
  • 模块 12.3：语音：ASR、TTS、声学/语言模型、端到端、多语种、对话和实时流式。
  • 模块 12.4：搜索/推荐/广告：召回、排序、重排、CTR/CVR、序列建模、生成式推荐和因果。
  • 模块 12.5：图学习、时序预测、异常检测、风控反欺诈、金融建模和数据挖掘。
  • 模块 12.6：运筹优化：规划、调度、组合优化、启发式、整数规划和学习增强优化。
  • 模块 12.7：自动驾驶/机器人：感知、预测、规划、控制、VLA、世界模型和闭环安全。
  • 模块 12.8：业务抽象、目标函数、代理指标、约束、冷启动、反馈回路和 Research-to-Production。

实践任务

  1. 选择一个方向建立传统算法、深度模型和基础模型三层基线。
  2. 从业务目标推导训练目标和评测指标，分析代理指标与真实价值偏差。
  3. 打通离线数据、训练、评测、在线服务、监控和反馈闭环。
  4. 做跨域、冷启动、长尾、分布漂移和成本约束实验。

可交付成果

  • 领域端到端项目
  • 业务指标树
  • 线上化与迭代方案

验收标准

  • 能把模糊需求转成可验证的算法问题和约束。
  • 结果同时优于简单基线，并解释线上线下差异。
  • 方案包含数据、算法、系统、评测、安全和成本。

技术关键词索引

  • AF、AIMET、APA、AR、AUDIO、AVP、catboost、CTR
  • cv、cvpr、CVPR2023、CVR、DGS、e.g、eccv、ECCV2022
  • emnlp、ETL、G2O、GPT4、GroundingDINO、GTSAM、HPA、ICBU
  • iccv、ICLR2020、ICSE、isaac、LI-SLAM、lightgbm、LTR、MPC
  • mujoco、NeRF、nlp、o1、OMPL、OpenAI、OWL-ViT、PaLM
  • peer-reviewed、Perception-to-Control、re-caption、ros、ROS2、S-curve、SDK、SE
  • slam、UniAD、VI-SLAM、VIO、VL-BERT、xgboost、反欺诈、召回
  • 广告算法、异常检测、排序算法、推荐系统、搜索算法、知识图谱、粗排、精排
  • 自动驾驶、自然语言处理、计算机视觉、语音合成、语音识别、资源调度、轨迹规划、运动规划
  • 运筹优化、重排、风控

阶段 13：论文复现、研究方法、产品落地与作品集

建议节奏：贯穿全程，集中整理 4-6 周。能力模块：7 个。

学习目标

把学习转化为第三方可验证的研究、工程和业务能力证据。

必学内容

能力闭环：原理研究与复现、数据构建与治理、算法建模与实现、训练调优与稳定性、评测、消融与误差分析、工程系统与工具链、部署、性能与运维、场景适配与产品闭环、安全、鲁棒与合规、原理理解与实际应用。

  • 模块 13.1：论文检索、问题定义、假设、相关工作、复现、基线、公平比较和消融。
  • 模块 13.2：ICLR、NeurIPS、ICML、ACL、EMNLP、CVPR、KDD、SIGIR 等方向性阅读。
  • 模块 13.3：实验设计、统计、负结果、错误分析、可复现性、代码质量和数据卡。
  • 模块 13.4：开源协作、Issue/PR、代码评审、许可证、模型卡、技术报告和演示。
  • 模块 13.5：系统设计、技术路线、跨团队接口、里程碑、风险、成本和迭代优先级。
  • 模块 13.6：Research-to-Production、用户反馈、在线实验、产品研究协同和技术影响力。
  • 模块 13.7：面试表达：问题、选择、实现、指标、失败、修复、贡献和边界。

实践任务

  1. 完整复现一篇论文，补齐未报告细节并做至少三个消融。
  2. 向真实开源项目提交可合并贡献，留下设计、测试和评审记录。
  3. 把前面项目整合成一个旗舰项目，提供训练、评测、部署和演示。
  4. 为每个项目写一页技术决策记录和一份失败复盘。

可交付成果

  • 论文复现仓库
  • 开源贡献
  • 旗舰项目
  • 技术报告与作品集

验收标准

  • 第三方能按文档复现核心结果并理解你的贡献。
  • 能解释为什么选择某技术、替代方案是什么、失败在哪里。
  • 作品集同时证明研究深度、工程质量和实际效果。

技术关键词索引

  • aaai、acl、ACLNeUrIPS、ACM、ACM-ICPC、ACMICPC、across tasks/domains、Advantage Normalization
  • Advantage Normalization（across tasks/domains）、Adversarial Robustness、AGI、AI、ASE、ASI、ASi8、ASPLOS
  • ASRU、Asynchronous RL Training、Asynchronous RL Training / Isolated Environment Execution、AWM、Axolotl、Behavioral State Decay Mitigation、BPE、BU
  • Byte-level、ByteDance RL Framework、CCF、CCF-A、CCS、ChatGLM、CIKM、Cold Start
  • coling、Compute-Optimal Training、Context Window Extension、CORL、Cross-functional Collaboration、CT、DeepSeek、DL
  • DoRA、DROID-SLAM、EDA、elasticsearch、Execution-Grounded Credit Assignment、Expert Specialization、Expert Specialization / Load Balancing、faiss
  • Fast-LIVO、flink、FSE、Group Relative Advantage Estimation、grpc、GS-Cacl、H5、hadoop
  • HIL、Human-AI Hybrid Feedback、Human-AI Hybrid Feedback / Real-user Feedback Loop、ICASSP、ICDE、iclr、icml、ICRA
  • IDA、ijcai、IJCV、IJRR、iLAM、Instruction Tuning、INT4、INT8
  • interspeech、IOI、iOS、IR、IROS、Isolated Environment Execution、JD、kdd
  • KDDCup、Learning Rate Schedule、llm、Load Balancing、LQR、LSH、MFU、MICCAI
  • milvus、Mixed Precision Training、MLSys、MM、MRI、Multi-turn Trajectory Optimization、naacl、nccl
  • neurips、NeurLPS、NeurPS、Next-Token、Next-Token Prediction、NFV、NIPS、NOI
  • NPC、NV、OCC、ocr、On-device、onnx、onnxruntime、OOD
  • opencl、openvino、ORB-SLAM、ORM、P-Tuning、PDAF、PID、PM
  • PMO、ppo、Prefix Tuning、PRM、Product-Research co-design、Prompt Tuning、Prompt Tuning v2、rag
  • RAL、Real-user Feedback Loop、RECSYS、Red-teaming Automation、redis、RepE、Research-to-Production Pipeline、RiskPO
  • RL Stage、RLVF、RM、RoboBrain、RRM、RSI、SAC、SAFe
  • SDN、Self-Critique、SentencePiece、SIGGRAPH、sigir、SIGKDD、SIL、Slam-Former
  • spark、SplatFusion、TASLP、TIP、TMM、Token-level MDP、Token-level MDP / Execution-Grounded Credit Assignment、TOP
  • TorchTitan、TPAMI、TPM、TRL、TRO、USENIX、Verifiable Feedback、verl
  • vibe coding、VINS、WSDM、www、上下文窗口、专利、专家混合、业务建模
  • 个性化、人文训练师团队、函数调用、可解释性、可验证奖励、后期制作、基准测试、工作流
  • 开源项目、强化学习、技术方案、持续学习、操作系统、检索增强、混合精度、混音
  • 用户行为、稀疏化、稀疏激活、算法竞赛、算法落地、终身学习、编译原理、论文
  • 负载均衡、长文本、长时序、音频处理、顶会、顶刊、高性能计算