课题背景：

随着LLM大模型和多模态技术的快速发展，给下一代广告系统带来了重大机会，LLM可以根据广告平台的投放经验和数据，并且结合对广告大模型的理解，通过Reflection、RLHF等技术构建与真实环境交互的Agent，从而实现专家级别的广告账号管理，实现最高的ROI。同时广告Agent可探索根据用户的兴趣，个性化实现在线素材生产，最终实现广告素材和创意样式的千人千面，极大撬动用户和商品的匹配效率。

课题挑战：

...

参考资料：

IBM-对实例分割的介绍

一开始面对其的疑惑：

1. 实例分割？和语义分割、以及其他分割任务有何区别？
2. 为什么近年来的相关论文很少了？基本上集中在2020-2022年？目前还有在做实例分割的，多是3D开...

4/16：

感觉MoE此处还得修修补补。

4/15:

写了两天了，尊嘟很长。顺便diss一下下面的三篇blog。虽然算是比较偏算法讲解部分，但是还是有错误的。比如：

阅读全文

抽象MNIST作业，来自于GPT生成（）

📄 实验报告：基于 ResNet50 的 MNIST 手写数字识别

实验概述

📌 任务目标：

本实验旨在通过构建深度学习模型，对 MNIST 数据集中 0~9 的手写数字图片进行识别和分类，训...

Yang, Chuanguang, et al. "Multi-Teacher Knowledge Distillation with Reinforcement Learning for Visual Recognition." arXiv preprint arXiv:2502.18510 (2025).

也是用了RL，但是不是很fit我的想法捏。

此处使用到的是知识蒸馏为主、关于奖励函...

Liu, Ziyu, et al. "Visual-rft: Visual reinforcement fine-tuning." arXiv preprint arXiv:2503.01785 (2025).

这个标题倒是很fit我的想法；但是他们根本就没写什么很突出的东西；

说是视觉上的RFL，实际上应该算是有关AI智能体的扩展。

因为使用的Agent是LLM；而且实际上也...

Zhu, Jiachen, et al. Transformers without Normalization.

一句话概括：我们使用tanh函数取缔了Transformer中的Normalization Layer。

阅读全文

芜湖，跑了100h的pretrain-model跑完了，acc在0.93左右。但是f1-score比较低，在0.2左右，可能与数据集的划分有关。

训练数据收集

初版：

1. 一开始Agent是完全随机、乱给的\(\{s,a\}\),记录下来；然后做很多的episodes，得到相当多的数据。

2. 评价每个Action是好还是不好

3. 以评价的结果训练Agent: 阅读全文

CPEA

话说，感觉《一兆游戏》第一集25.50-30.00这一段配三个人非常easy。

还是先看论文吧

Backbone基本上是ResNet12，Dataset：miniImageNet , tieredImageNet, CIFAR-FS, and FC100。

阅读全文