Back
MiniMind 用约 4300 行原生 PyTorch 复现 Pretrain→SFT→LoRA→蒸馏→DPO→PPO/GRPO/CISPO→Agentic RL 全链路，单张 3090 成本约 3 元。本文逐模块深拆其架构、数据、训练循环与强化学习工程细节
ai
llm
minimind
强化学习
源码分析
pytorch