AI Post Traning: DanceGRPO
导言
DanceGRPO是25年5月发表的论文，把GRPO的方法引入到了生成领域。（类似的有flowGRPO）。字节客户基于此魔改，故学习。
Artificial Intelligence¶
DiffusionNFT
导言
DiffusionNFT 直接在前向加噪过程（forward process）上进行优化，在彻底摆脱似然估计与特定采样器依赖的同时，显著提升了训练效率与生成质量。在GenEval任务上，DiffusionNFT仅用约1.7k步就达到0.94分，而对比方法FlowGRPO需要超过5k步且依赖CFG才达到0.95分。这表明DiffusionNFT的训练效率比FlowGRPO快约25倍。
260117 Step-3-VL 10B
导言
Step-3-VL 10B
Where Do AI Ideas Come From? A Deeper Look
导言
如果想要写AI论文，就需要总结论文核心观点的来源。
AI Model Memory
导言
大语言模型、多模态模型是如何设计来实现高效Mem机制。
World Model/UFMs/Omni-Modal: AR vs DiT
导言
视觉领域的GPT moment要来了吗？4
- World Model: (e.g., Emu3.5)
- Unified Foundation Models, UFMs，强调视觉能力的闭环。证明模型能像“看懂”图片一样“画出”图片。(e.g.,Bagel, Lumina, Emu3.5)
- Omni 强调交互能力的闭环。证明模型能像真人一样，具备实时、全感官的反应。图片生成暂时不是必须的(e.g.,Qwen-3-Omni、longcat-omni), 但是也能支持(e.g., Ming-Omni)
当前多模态设计中AR和DiT的组合关系，单独学习一下
VeRL
导言
VeRL 作为RL领域趋势最火的开源仓，值得学习。
Fast Debug: VeRL example
导言
VeRL 基于ray的多进程管理，并结合 推理、训练等多个阶段。其E2E时间组成和如何加速都是待研究的课题。
Train Stages: Pretrain, Mid-Train(CT), SFT, RL
导言
模型训练，为什么需要这么多阶段，每个阶段的独特职责和意义是什么。
