推理采样如何重塑概率地图：在普通监督学习（SFT）中，模型是被“喂饭”——你告诉它正确答案是什么，它去模仿。而在强化学习（RL）中，模型是在“试错”——它自己写几个答案，然后根据好坏来调整自己。

• 第一阶段的目标: 接入api模型，完成每日的工作相关基础的信息收集和整理归档。
• 第二阶段的目标: 无监管处理较简单事项；
• 第三阶段的目标: 参与构建复杂系统，和辅助重要决策。

AI浪潮下，一开始是代码补全，之后是Vibe Coding，现在是Agent，后续趋势是Agent Team/Swarm。作为一个程序员，应当以什么姿势拥抱AI时代的代码编程，是需要持续关注的问题。

量化交易一直是最火的自动赚钱的途径：

• 经过调研，个人量化从技术上是可行的。
• 加上现在agent coding能力起来了。
• 原本是自己在写AQTP仓，但是发现了 zvt 这个偏个人的研究策略仓，和更关注实盘高频模拟的 vnpy
• 现在把精力转移到开源仓的使用
• zvt 仓的使用和二次开发上；（思路、可视化、数据库、策略拓展性都感觉OK）
• QUANTAXIS 通过 Rust 加速；
• AI 向 Qbot 和 microsoft/qlib 的 ai 方法尝试。

Agent 概念与 OpenClaw 的爆火，本质上反映了人们对个人数字员工（Digital Worker）能力的期待：它不只是一个对话式 AI，而是一个可以在真实工作流中长期运行、承担任务、放大个人生产力的“虚拟员工”。

我真正关心的问题是：如何为自己的具体工作场景配置合适的数字员工，使其在时间与认知两个维度上对个人效率形成倍增效应。

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。

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。

Step-3-VL 10B

如果想要写AI论文，就需要总结论文核心观点的来源。