1. 【Agentic RL / 强化学习框架】AstraFlow 架构解析：面向数据流的大规模强化学习系统 原创 罗西的思考 2026-10-14 20:17 北京 【Agentic RL / 强化学习框架】AstraFlow 架构解析：面向数据流的大规模强化学习系统 0x00 概要 0x01 现有问题 1.1 现有 RL 框架的问题 1.2 解决思路：dataflow-oriented coordination 0x02 AstraFlow 是什么？ 2.1 用 10/14 20:17 ♡
2. [Agent Memory / 强化学习] MemPO源码学习笔记 --- (7)--- 混合机制 原创 罗西的思考 2026-10-12 21:19 北京 [Agent Memory / 强化学习] MemPO源码学习笔记 --- (7)--- 混合机制 0x00 概要 0x01 Mem Reward 机制 1.1 公式 1.2 P_mem 和 P_full 的完整计算细节 1.3 为什么不是只用P_mem？ 1.4 P_mem - P_full 的含义 10/12 21:19 ♡
3. [Agent Memory / 强化学习] MemPO源码学习笔记 --- (6)--- 奖励机制 原创 罗西的思考 2026-10-10 21:29 北京 [Agent Memory / 强化学习] MemPO源码学习笔记 --- (6)--- 奖励机制 0x00 概要 0x01 原理 1.1 双通路奖励机制 1.2 通俗解释优势函数 1.3 对比 1.4 Reward model 0x02 Outcome Reward 机制 2.1 Outcome A 10/10 21:29 ♡
4. 从陶哲轩的访谈看：AI 数学研究方法论 & 给其它行业的启示 原创 罗西的思考 2026-10-08 20:47 北京 从陶哲轩的访谈看：AI 数学研究方法论 & 给其它行业的启示 0x00 争论的核心不是 "AI 会不会做数学" 0x01 一个“如果AI早来20年”的思想实验 1.1 真实时间线 1.2 思想实验 0x02 陶哲轩批评什么？ 0x03 陶哲轩的深层方法论：AI 时代的科研范式变迁 3. 10/08 20:47 ♡
5. [Agent Memory / 强化学习] MemPO源码学习笔记 ---(5)--- GRPO 原创 罗西的思考 2026-09-28 21:44 北京 [Agent Memory / 强化学习] MemPO源码学习笔记 ---(5)--- GRPO 0x00 概要 0x01 原理 1.1 现状 1.2 GRPO 1.3 PPO vs GRPO 1.4 为什么MemPO选GRPO而不是PPO+Critic 0x02 MemPO GRPO 2.1 阶段 09/28 21:44 ♡
6. [Agent Memory / 强化学习] MemPO源码学习笔记 ---（4）--- Rollout实现细节 原创 罗西的思考 2026-09-23 20:55 北京 [Agent Memory / 强化学习] MemPO源码学习笔记 ---（4）--- Rollout实现细节 0x00 概要 0x01 回顾 0x02 mem_sys_prompt_ids 2.1 mem_sys_prompt_ids 定义 2.2 mem_sys_prompt_ids作用 0x03 09/23 20:55 ♡
7. 机器人 / 物理 Agent Harness 综合分析与对比：从「更强的模型」到「更好的系统」 原创 罗西的思考 2026-09-22 20:25 北京 机器人 / 物理 Agent Harness 综合分析与对比：从「更强的模型」到「更好的系统」 0x00 概要 0x01 面对的难点与核心冲突 1.1 核心冲突的一句话版本 1.2 深挖：难点的四个层次 0x02 这些项目如何解决这些难点 2.1 解法总览：一张映射表 2.2 三条贯穿性的解题主线 0 09/22 20:25 ♡
8. [Agent Memory / 强化学习] MemPO源码学习笔记 --- （3）--- Rollout思路 原创 罗西的思考 2026-09-17 21:20 北京 [Agent Memory / 强化学习] MemPO源码学习笔记 --- （3）--- Rollout思路 0x00 概要 0x01 Rollout 主要内容 1.1 时间线 1.2 纯 Rollout 1.3 batch计算 1.4 前向传播 1.5 Rollout 生成轨迹 0x02 full_ 09/17 21:20 ♡
9. [Agent Memory / 强化学习] MemPO源码学习笔记 --- (2)--- 训练 原创 罗西的思考 2026-09-15 21:02 北京 [Agent Memory / 强化学习] MemPO源码学习笔记 --- (2)--- 训练 0x00 概要 0x01 原理 1.1 为什么MemPO必须用RL而不是SFT？ 1.2 RL 方案的通俗解释 1.3 协同优化 0x02 GRPO 0x03 流程 3.1 训练流程精简版 3.2 训练流程 09/15 21:02 ♡
10. 机器人模型（WM / WAM / VLA）综合分析与对比：从「看」到「想」再到「做」 原创 罗西的思考 2026-09-14 21:03 北京 机器人模型（WM / WAM / VLA）综合分析与对比：从「看」到「想」再到「做」 0x00 概要 0x01 面对的难点与核心冲突 1.1 核心冲突的一句话版本 1.2 深挖：难点的四个层次 0x02 这些模型如何解决这些难点 2.1 解法总览：一张映射表 2.2 四条贯穿性的解题主线 0x03 九 09/14 21:03 ♡