Update blog

Author: windshadow233

source/_data/talk.yml

@@ -8,7 +8,7 @@ top_background: https://blogfiles.oss.fyz666.xyz/webp/70061b93-acea-4a1a-9111-df
 talk_list:
   - content: |
       CVPR 又闹大笑话了。
-      大概情况是：有人发现把 evaluate 的代码中 Dataloader 的参数 shuffle=False 改成 shuffle=True ，会导致准确率掉40%左右，因此提出质疑（图 1）。
+      起因是有人发现把 evaluate 的代码中 Dataloader 的参数 shuffle=False 改成 shuffle=True ，会导致准确率掉40%左右，因此提出质疑（图 1）。
       时隔约一个月后，在另一位网友的催促下，作者终于不得不出来回应（已翻译为中文，见图 2），作者表示：
       <blockquote>Using shuffle=True would be a matter for future investigation, which could be valuable for researchers in this domain.</blockquote>
     hide:

source/_posts/2025/07/大语言模型训练原理与实践（七）：grpo算法.md

@@ -199,13 +199,13 @@ def __getitem__(self, idx):
 
 甚至连伪代码都懒得写了，大概写一下流程吧：
 
-0. 定义一个数据收集容器：Data Buffer。
-1. 从数据集中取一条 prompt，生成 $$G$$ 条输出序列，从而得到大小为 $$G$$ 的分组。
-2. 根据定义好的奖励函数，对步骤 1 生成分组内的所有输出序列计算得分，然后在组内进行比较，求得相对得分（作为优势函数）。由此，得到一组数据。
-3. 将步骤 2 得到的数据添加到Data Buffer。
-4. 若Data Buffer的大小达到一次迭代需要的数据量（等效 Batch size），则进入步骤 5，否则回到步骤 1。
-5. 遍历Data Buffer，每次取Batch size个数据，按前面的公式计算KL散度、损失函数，并进行策略迭代。
-6. 遍历完成，清空Data Buffer，回到步骤 1。
+1. 定义一个数据收集容器：Data Buffer。
+2. 从数据集中取一条 prompt，生成 $$G$$ 条输出序列，从而得到大小为 $$G$$ 的分组。
+3. 根据定义好的奖励函数，对步骤 2 生成分组内的所有输出序列计算得分，然后在组内进行比较，求得相对得分（作为优势函数）。由此，得到一组数据。
+4. 将步骤 3 得到的数据添加到Data Buffer。
+5. 若Data Buffer的大小达到一次迭代需要的数据量（等效 Batch size），则进入步骤 6，否则回到步骤 2。
+6. 遍历Data Buffer，每次取Batch size个数据，按前面的公式计算KL散度、损失函数，并进行策略迭代。
+7. 遍历完成，清空Data Buffer，回到步骤 2。
 
 本部分完整代码见文末仓库。