标题: PPLX 要綁卡了？
作者: #NullOkami47
板块: #搞七捻三
编号: 1575086
帖子: https://linux.do/t/topic/1575086
时间: 2026-02-07 00:44:16
摘要:

剛收到pplx的email, 說要繼續使用免費的pro要綁卡，佬友們有沒有收到？

标题: 小红书抓个包号就没了
作者: #tee
板块: #搞七捻三
编号: 1575095
帖子: https://linux.do/t/topic/1575095
时间: 2026-02-07 00:49:17
摘要:

我甚至抓的不是它
而是另外一个软件，然后号就没了。我真的是
还有救吗这个

标题: 问个事情 关于Linux.do邮箱的
作者: #刺猬兽
板块: #搞七捻三
编号: 1575097
帖子: https://linux.do/t/topic/1575097
时间: 2026-02-07 00:50:38
摘要:

最近挺闲 打算看看咋搞个Linux.do的邮箱 没想到系统是默认给了个邮箱嘛 不知道你们能不能用这个邮箱 貌似只能收不能发？

标题: opencode胡乱搓了个王者荣耀灵宝市集分享网站
作者: #lmarch2
板块: #搞七捻三
编号: 1575098
帖子: https://linux.do/t/topic/1575098
时间: 2026-02-07 00:50:47
摘要:

因为老是找不到高价小马糕，同时避免群里分享刷屏，想着我是天才程序员（ai）做个分享网站应该可以吧～

https://king.lmarch2.top
没什么技术难度，临时给身边的朋友用用，应该不像开源项目一样维护啦
最后祝大家马年上分大吉！

标题: 腾讯云服务器炸了吗
作者: #woozy
板块: #搞七捻三
编号: 1575114
帖子: https://linux.do/t/topic/1575114
时间: 2026-02-07 00:56:57
摘要:

家人们，腾讯云服务器是炸了吗，我上控制台vnc也没法登录，重启显示一直在重启中

标题: 我想问一下把公益站放进CPA统一管理算不算违规分发？
作者: #Logos
板块: #搞七捻三
编号: 1575116
帖子: https://linux.do/t/topic/1575116
时间: 2026-02-07 00:57:04
摘要:

RTRT
感觉我的CCSwitch故障转移老有问题

标题: 小登想部署openclaw需要什么配置的vps啊
作者: #Charles
板块: #搞七捻三
编号: 1575124
帖子: https://linux.do/t/topic/1575124
时间: 2026-02-07 00:58:51
摘要:

rt，以前没买过vps，也不懂相应配置的价格和渠道，遂来问一下佬友们

标题: 继CLAUDE被封号后，用了一晚上CODEX5.3, PLUS会员被限额到2月9号。
作者: #RL
板块: #开发调优
编号: 1575125
帖子: https://linux.do/t/topic/1575125
时间: 2026-02-07 00:58:52
摘要:

继CLAUDE封号后，刚把VSCODE里的CODEX 5.3调试成网站测试全自动，又把我PLUS干冒烟了。。。。。佬们，有啥其他性价比高的方案能用CODEX 5.3的?
You’ve hit your usage limit. Upgrade to Pro (https://chatgpt.com/explore/pro), visit https://chatgpt.com/codex/settings/usage to purchase more credits or try again at Feb 9th, 2026 10:01 PM.

标题: 【教训】千万不要把10美元每月的谷歌开发者福利注入到5美元赠金专用羊毛账号里！
作者: #我不爱世界
板块: #搞七捻三
编号: 1575127
帖子: https://linux.do/t/topic/1575127
时间: 2026-02-07 01:01:24
摘要:

很多人都知道谷歌最近上新了个开发者福利 我的福利 | Google 开发者计划  |  Google Developer Program  |  Google for Developers pro用户可以每月领取10美元的谷歌云赠金。
它需要让你选择一个结算账号充入这个赠金，我没看于是随便选了一个5美元的赠金账号（平时听佬友介绍，薅了太多谷歌开发者活动的5美元羊毛导致的）
但是
我发现
这种羊毛账号会在内置的5美元被耗尽后自动废弃！
导致里面冲入的每月10美元的开发者福利都会一并被废弃！
并且无法选择优先消耗10美元的那个赠金！
等于说这福利压根就用不上，账号就沉船了 
于是我投诉谷歌云和谷歌开发者外包的印度客服，跟他们大战了300回合，两边都认为不是自己的责任 最后没办法只能把谷歌挂公网上去了 https://www.reddit.com/r/googlecloud/comments/1qxffzo/psa_do_not_use_frictionless_accounts_for_google/ 至少让它在其它人面前也丢个脸
千万不要把你的开发者福利充入羊毛赠金结算账号！客服不给退的！

标题: 关于codex检索太久，佬友们有招吗~
作者: #CareFree🌚
板块: #开发调优
编号: 1575135
帖子: https://linux.do/t/topic/1575135
时间: 2026-02-07 01:07:10
摘要:

发现每次codex很慢的大部分原因是都在检索，铁铁们有没有招可以解决这个问题

标题: 想看看大家养的小宠物们
作者: #1123
板块: #搞七捻三
编号: 1575141
帖子: https://linux.do/t/topic/1575141
时间: 2026-02-07 01:10:01
摘要:

快来发照片呀，本人十分纠结之后养猫还是养狗，养狗每天要遛，太懒了，但是喜欢狗狗的热情，养猫不需要溜但是猫猫不是很热情，所以啥都没养（主要是没钱没时间）

标题: 两杯奶茶，给我干失眠了
作者: #Ya Gao
板块: #搞七捻三
编号: 1575142
帖子: https://linux.do/t/topic/1575142
时间: 2026-02-07 01:10:34
摘要:

得不偿失啊，正在等待入睡

标题: 如何知道自己设备是否支持蓝牙
作者: #212741
板块: #搞七捻三
编号: 1575147
帖子: https://linux.do/t/topic/1575147
时间: 2026-02-07 01:13:43
摘要:

设备管理看过了，确实有个感叹号的蓝牙驱动，删了重启好像没用
不知道设备有没有蓝牙模块，有个外接的kali网卡（抓握手包用的），呃，说下
我想知道我蓝牙问题是蓝牙驱动还是硬件缺失？蓝牙驱动我可以等下安装，但我想先测试下是不是硬件问题

标题: 国外发模型，国内发红包，这差别有点大
作者: #justinshuai
板块: #搞七捻三
编号: 1575149
帖子: https://linux.do/t/topic/1575149
时间: 2026-02-07 01:16:24
摘要:

人家国外的大模型都在发新模型搞技术迭代，国内的AI大模型倒好，扎堆搞春节发红包、抢红包的玩法，清一色跟风内卷。
只想说一句，营销的风跟得挺紧，怎么核心技术上的风，就一点也跟不上呢？？？？

标题: giffgaff和VOXI哪个保号好一点
作者: #小坏
板块: #搞七捻三
编号: 1575169
帖子: https://linux.do/t/topic/1575169
时间: 2026-02-07 01:28:56
摘要:

如题 都是用esim
VOXI 国内发短信 貌似要 Wi-Fi call

标题: 夜深了，千问可以下单了
作者: #lmoonl
板块: #福利羊毛
编号: 1575173
帖子: https://linux.do/t/topic/1575173
时间: 2026-02-07 01:30:53
摘要:

25元无门槛也可以买生活用品，不一定只买奶茶，只要在千问里跟他提就行
但是千问检索商品范围好像有问题，翻来覆去就那几家
千问现在不支持预定技能，所以大半夜的，还得麻烦骑手配送，半夜的配送费也是个问题，特别贵
不过看来早上也可以下单
我下单了两斤鸡蛋和3斤牛奶 一共花费10元（两单总共花费-50）

标题: 「知识分享」LLM中，什么是强化学习（RL->RLHF）
作者: #sylfilic
板块: #资源荟萃
编号: 1575176
帖子: https://linux.do/t/topic/1575176
时间: 2026-02-07 01:34:02
摘要:

当我第一次尝试理解LLM中的强化学习时，我犯了一个很多人都会犯的错误：直接搜索"RL"、“PPO”、"GRPO"这些关键词，搜到一大堆文章，然后被一堆Actor-Critic、Reward Model、Policy Gradient淹没。
问题是，由于我没有学过“古典RL”，且我只了解LLM，所以总是困惑不已，这些概念怎么套到一个输入文本输出文本的语言模型上的？
这篇文章就是为了clarify这些概念，帮助像我一样入门RLHF的朋友们。

传统RL的核心概念
让我们先系统地梳理一下传统强化学习的基本概念（此部分部分由AI整理，但人工review）。
1. RL的核心要素
强化学习的经典框架包含以下要素：


环境（Environment）：智能体所处的外部世界，比如游戏、物理世界


状态（State）：环境在某一时刻的完整描述，比如游戏画面、机器人的位置和速度


动作（Action）：智能体可以执行的操作，比如"向左移动"、“跳跃”


策略（Policy）：从状态到动作的映射，π(a|s)表示在状态s下选择动作a的概率


奖励（Reward）：执行动作后环境给出的反馈信号，+1表示好，-1表示坏


回报（Return）：从当前时刻开始，未来所有奖励的累积和（通常带折扣因子）


2. RL的工作流程
传统RL是一个循环过程：

1. 智能体观察当前状态 s_t

2. 根据策略 π 选择动作 a_t

3. 环境执行动作，转移到新状态 s_{t+1}

4. 环境给出奖励 r_t

5. 重复上述过程


3. 常见的RL算法


PPO


GRPO


这些概念在与现实交互相关联的训练时非常直观，比如打游戏、下围棋时：状态就是游戏画面，动作就是按键，奖励就是得分。

LLM中的RL
但当我试图把这些概念套到LLM上时，大概有下面这几点疑惑：
1：LLM的"状态"是什么？
LLM只是根据前面的文本生成下一个token，哪来的"状态"？难道是整个prompt？
2：LLM的"动作"是什么？
在游戏里动作是"跳跃"、“射击”，LLM的动作