leetcode hot 100 题解1. 深度搜索（recursive 解法）78. 子集给你一个整数数组 nums ，数组中的元素 互不相同 。返回该数组所有可能的子集（幂集）。 解集 不能 包含重复的子集。你可以按 任意顺序 返回解集。 示例 1： 12输入：nums = [1,2,3]输出：[[],[1],[2],[1,2],[3],[1,3],[2,3],[1,2,3]] 示例 2：

大模型算法学习笔记（1） - PPO 算法1. 前置概念PPO 算法 最开始用在 强化学习 中 强化学习思想：在环境中试错并获得奖励（正或负），然后将其视作反馈从而学习 其中，负责决策和试错的智能体我们成为 agent ，可以简单的类比成监督学习中的机器学习或深度学习模型 ，是一个可学习的函数 。 我们将传统强化学习的过程应用在大模型中： episode ：语言模型生成一个句子 step：句