最新

这真的让人感到沮丧，你们也有同样的体验吗？ Perplexity在第一次回应时并不会生成代码，总是先询问你是否需要。

我在排查存储空间不足的原因时，发现了这个文件夹：`/Library/Application Support/com.apple.idleassetsd/Customer/4KSDR240FPS`，里面大约有47GB的macOS为屏幕保护程序下载的4K/240FPS电影。<p>够了，于是我切换到了Asahi Linux。现在运行Sway时，我的整个会话（Firefox打开）大约只使用2GB的内存。我能识别所有正在运行的进程——虽然有些小问题，但为了控制权和释放的空间，这些都是值得的。

我创建了TextPolicy，因为我希望有一种方法可以在不需要集群或云GPU的情况下研究用于文本生成的强化学习。一台MacBook就足够了。 这个工具包很简单： - 实现了GRPO和GSPO算法 - 提供了自定义奖励函数的装饰器接口 - 包含LoRA和QLoRA工具 - 在MLX上运行，因此在Apple Silicon上效率很高 它并不打算用于生产。其目的是学习和实验：理解算法，测试想法，观察奖励设计如何影响行为。 安装方法是通过pip： ``` pip install textpolicy ``` 在README中有一个最小示例。 我对以下内容感兴趣的反馈： - API的清晰度 - 示例的实用性 - 这是否降低了新手进入强化学习的门槛 代码库地址：github.com/teilomillet/textpolicy