架构 165

• rl与sft 2025/07/21
• 大模型infra综述 2025/07/20
• OpenTelemetry及生态 2025/06/21
• 大模型可观测性 2025/06/21
• grpo演进 2025/05/26
• rlhf演进 2025/04/26
• agent框架 2025/04/26
• reward演进 2025/04/12
• 大模型RLHF框架 2025/04/03
• 大模型rl后训练系统 2025/03/30
• GPU与CUDA 2025/03/22
• RL闲谈 2025/03/16
• MCTS与LLM 2025/03/16
• rl与post-train 2025/02/18
• rl入门 2025/02/18
• 从Transformer到DeepSeek 2025/01/16
• bert 2024/10/11
• rerank微调 2024/10/10
• 大模型推理tips 2024/09/28
• RAG向量检索与微调 2024/08/14
• dddfirework源码分析 2024/07/15
• RAG与知识图谱 2024/07/12
• 大模型推理服务框架vLLM 2024/07/07
• 大模型推理服务框架 2024/02/02
• 模型服务化（未完成） 2024/01/23
• 大模型Post-Training 2023/12/18
• 大模型训练 2023/12/16
• 大模型推理 2023/12/16
• 从Attention到Transformer 2023/10/30
• k8s设备管理 2023/09/03
• ddd从理念到代码 2023/07/06
• 如何应用LLM 2023/05/20
• 语言模型的发展 2023/03/25
• 多类型负载协调员Koordinator 2022/12/17
• controller-runtime细节分析 2022/11/24
• finops学习 2022/11/19
• kubevela多集群 2022/11/10
• kubevela中cue的应用 2022/11/10
• 基于k8s的工作流 2022/11/09
• kubevela源码分析 2022/11/06
• 容器和CPU那些事儿 2022/11/06
• 数据集管理fluid 2022/10/27
• 应用管理平台kubevela 2022/10/23
• karmada支持crd 2022/10/21
• 多集群管理 2022/09/21
• AutoML和AutoDL 2022/08/22
• 特征平台 2022/06/27
• 实时训练 2022/06/10
• 分布式链路追踪 2022/04/09
• K8S YAML 资源清单管理方案 2022/04/08
• tensorflow原理——python层分析 2022/03/30
• 如何学习tensorflow 2022/03/30
• 数据并行——allreduce 2022/03/30
• 数据并行——ps 2022/03/25
• 推荐系统embedding原理及实践 2022/03/02
• 机器学习中的python调用c 2022/03/02
• 机器学习训练框架概述 2022/03/02
• tensornet源码分析 2022/02/22
• 大模型训练和推理 2022/02/10
• X的生成——特征工程 2022/02/09
• tvm 2022/02/08
• tensorflow原理——core层分析 2022/02/08
• 模型演变 2022/01/28
• 《深度学习推荐系统实战》笔记 2022/01/27
• keras 和 Estimator 2022/01/24
• tensorflow分布式训练 2022/01/18
• 分布式训练的一些问题 2022/01/13
• 基于Volcano的弹性训练 2022/01/02
• 图神经网络 2021/11/30
• pytorch弹性分布式训练 2021/11/27
• 从混部到统一调度 2021/11/22
• 对序列建模——从RNN到Attention 2021/10/31
• pytorch分布式训练 2021/10/30
• CNN 2021/10/29
• 《动手学深度学习》笔记 2021/10/25
• pytorch与线性回归 2021/10/21
• 多活 2021/09/30
• volcano特性源码分析 2021/09/30
• 推理服务 2021/09/27
• kubebuilder 学习 2021/09/16
• mpi 2021/09/07
• 学习pytorch 2021/09/06
• client-go学习 2021/08/25
• 提高gpu 利用率 2021/08/18
• GPU与容器的结合 2021/08/18
• GPU入门 2021/08/18
• AI云平台梳理 2021/08/18
• tensorflow学习 2021/08/18
• tf-operator源码分析 2021/08/18
• k8s批处理调度/Job调度 2021/08/17
• 喜马拉雅容器化实践 2021/08/02
• Kubernetes 实践 2021/05/11
• 学习rpc 2021/05/10
• BFF 2021/05/08
• openkruise学习 2021/01/16
• 可观察性和监控系统 2021/01/13
• 监控系统 2021/01/13
• 基于Kubernetes选主及应用 2021/01/13
• 《许式伟的架构课》笔记 2020/11/24
• Admission Controller 与 Admission Webhook 2020/11/16
• 发布平台系统设计 2020/11/01
• k8s水平扩缩容 2020/10/10
• Scheduler如何给Node打分 2020/09/03
• Scheduler扩展 2020/08/23
• 深入controller 2020/08/23
• openkruise cloneset学习 2020/08/12
• controller-runtime源码分析 2020/08/10
• pv与pvc实现 2020/07/30
• csi学习 2020/07/30
• client-go informer源码分析 2020/07/20
• kubelet 组件分析 2020/07/19
• 调度实践 2020/06/25
• Pod是如何被创建出来的？ 2020/06/24
• 《软件设计之美》笔记 2020/06/03
• mecha 架构学习 2020/05/11
• Kubernetes events学习及应用 2020/04/27
• CRI——kubelet与容器引擎之间的接口 2020/04/03
• 资源调度泛谈 2020/03/21
• 业务系统设计原则 2020/03/12
• grpc学习 2020/02/28
• 元编程 2020/02/17
• 以应用为中心 2020/01/11
• istio学习 2019/12/18
• 下一代微服务Service Mesh 2019/12/04
• 《实现领域驱动设计》笔记 2019/09/09
• 概率论 2019/08/31
• serverless 泛谈 2019/08/31
• 《架构整洁之道》笔记 2019/08/20
• 处理复杂性 2019/08/14
• 那些年追过的并发 2019/08/05
• 服务器端编程 2019/04/27
• 网络通信协议 2019/04/20
• 架构大杂烩 2019/04/19
• 如何学习架构 2019/04/19
• 《反应式设计模式》笔记 2019/03/11
• 项目的演化特点 2019/02/20
• 反应式架构摸索 2019/01/21
• 函数式编程的设计模式 2018/12/15
• 服务化 2018/11/25
• ddd反模式——CRUD的败笔 2018/11/13
• 研发效能平台 2018/10/15
• 重新看面向对象设计 2018/10/01
• 业务系统设计的一些体会 2018/09/28
• 函数式编程 2018/09/12
• 《左耳听风》笔记 2018/09/08
• 业务程序猿眼中的微服务管理 2018/09/01
• DDD实践——CQRS 2018/08/26
• 项目隔离——案例研究 2018/08/19
• 《编程的本质》笔记 2018/07/14
• 系统故障排查汇总及教训 2018/07/07
• 平台支持类系统的几个点 2018/07/06
• 代码腾挪的艺术 2018/06/29
• abtest 系统设计汇总 2018/06/27
• 《从0开始学架构》笔记 2018/05/06
• 初级权限系统设计 2017/12/29
• 领域驱动理念 2017/12/25
• 现有上传协议分析 2017/12/12
• 移动网络下的文件上传要注意的几个问题 2017/12/07
• 推送系统的几个基本问题 2017/10/24
• 做配置中心要想好的几个基本问题 2017/08/13
• 不同层面的异步 2017/05/16
• 分层那些事儿 2017/03/16
• 用户认证问题 2016/08/25
• 资源的分配与回收——池 2016/06/17
• 消息/任务队列 2015/08/08