没啥标题

放了一下暂时没用到的东西

ee形式的action从机器人坐标系转移到相机坐标系可以提到对相机的泛化性。

也就是利用“空间对齐”带来泛化提升

Visual studio Code

以前看论文的方式好糟糕，看完以后完全没印象，一句话形容：对预训练的llm微调对齐，利用通过小模型学习偏好与不偏好答案之间的纠正残差

所以LLM的方向实际上就两种：微调和压缩？

2夹，tactile，精细操作(其实也就4种)。(19/100)

不过cuda和cuda toolkit之间的区别还挺大的，一般nvidia-smi能有输出的话就不用管了，一些特殊的依赖才必须nvcc。

现在才发现如此好用的软件，用用用

以前没好好学的现在孽力回馈了。

搜了一下dropout居然算深度学习，深度学习是神经网络里面的？

嗯原来是一种skill :D

clash安装和配置

直觉告诉我这肯定是一大坨一直写不完的东西。