这篇文章真的不错，讲清楚了很多知识，给新手入门是非常好的。我当初都是硬啃文献中的公式，看不懂就去啃参考文献，连着啃了十几篇英文的文献，才搞懂这些内容。

后来无意间发现了台大李宏毅的课，用一种非常直觉的方式讲了强化学习的内容和公式，我感觉挺不错，至少给你一种直观的理解，比自己啃文献好很多倍。

这是我在网上看到讲解ppo算法最详细的一篇文章，分享给大家

这就是得敢去选，敢放弃，要有壮士断腕的决心

卖掉了公司之后，又一次有一种「我做到了SOTA」的满足感。

准备回杭州了。

人生可以被理解为一个又一个的「探索→突破→休整」循环。如果我们把对「SOTA」的追求融入适合自己的节奏，便可以让生活充满意义而不失温暖与平静。

我将在接下来的时间里，all in实时交互式推理。

这个指的是人工智能系统能够在与用户或环境进行实时互动的过程中，动态的进行推理和决策。

这种类型的交互式推理能够持续的与环境和用户互动，适应新的信息和变化的情景。

动态的学习能力对于处理复杂多变的现实世界问题非常关键。不仅能提高AI系统的实用价值，还能为未来的创新应用奠定基础。

实时推理在很多领域都是不可或缺的，例如自动驾驶，机器人导航，金融决策。

目前在这个领域有几个热点和挑战：1.怎么在资源受限的环境下实现实时、高效的推理。2.如何在交互过程中持续学习并适应新的信息。3.多模态交互。4.确保系统的推理过程对用户是可解释性的，提高信任度。

UX is dead, long live GX.

哥们，你真的实现了我想做的

分享一个经验，我最近一直在尝试大模型+推理结构/计算工具的这种方式，发现只要能将实际情况转换为结构化的数据，就能解决问题，非常有效

下一步的想法，我大概有几个思路。

1.训练模型做产品。如果选择这个方向，那会有很多工程量，这个需要钱，我现在的资金不够大模型训练一次。
2.做科研。这个倒是可以考虑。几年前因为我觉得没有方向，从清华博士退学，经过这几年的摸索，确定以后就是AI了，重新考清华的博士也是一种选择。
3.写文章。继续向外输出我对AI的思考和洞察，这个好像跟做科研不冲突。

总的看来，似乎是让自己在AI这条路上越来越专业。