Z3r4y｜Take it easy
  • 首页
  • 关于
  • 随笔

  • 2026

  • 2026-09-04
    MiniMax M3 的 RL 设计：以数学证明 task 为例
  • 2026-09-02
    Hacker-Opus：对 RL reward hacking 的观察
Copyright © 2016-2026 Z3r4y
  • 首页
  • 关于
  • 随笔