我是虎臻，AI 算法工程师，关注 LLM 训练与后训练（RLHF / GRPO）、强化学习、Agent 与世界模型。这里记录我的学习笔记与思考。
📧 邮箱：youhuzhen@gmail.com
🐙 GitHub：github.com/HuzhenYou
欢迎在文章下方留言，或邮件交流。