STAR GAME

原创 python代码修复字符串json数据格式问题，并将其按照字典形式读取

摘要： 这段代码实现了JSON字符串的自动修复与递归解析功能。aggressive_json_load函数处理残缺JSON字符串，通过括号平衡补齐和尾部垃圾字符截断两种策略修复数据；universal_cleaner函数递归扫描数据结构（字典/列表），自动解析嵌套的JSON字符串。示例展示了混合处理带垃圾字符的JSON字符串和正常字典的能力，适用于非标准JSON数据的容错解析场景。（150字）

原创 【工具调用】BFCL榜单数据分析

模型应该输出一些与用户查询相关的函数调用（一个或多个），我们不检查此类别中函数调用的正确性（例如，正确的参数值）。● function relevance detection：在函数相关性检测中，设计的场景中所提供的工具都与query不相关，不应该被调用。● Irrelevance detection：在函数相关性检测中，设计的场景中所提供的工具都与query不相关，不应该被调用。● 评估有关预填充内存的问题：在评估阶段，最终的内存快照是 加载，模型呈现有针对性的后续 问题（例如，“下周末我要去哪里度假？

原创 【MLE】Benchmark 总结

arxiv:code:简介Meta 推出的 MLGym 框架及配套基准 MLGym-Bench，为评估和开发LLM Agent在 AI 研究任务中的表现提供了全新工具。作为首个基于 Gym 的机器学习任务环境，MLGym 支持强化学习等算法对代理的训练，其模块化设计涵盖Agent、环境、数据集和任务四大核心组件，允许灵活集成新任务、模型、工具和Agent。MLGym-Bench 包含五类机器学习建模任务，共13个跨领域的开放式任务，覆盖数据科学、自然语言处理、计算机视觉、强化学习和博弈论方向。

原创 【MLE】MLGym: A New Framework and Benchmark for Advancing AI Research Agents

Meta 推出的 MLGym 框架及配套基准 MLGym-Bench，为评估和开发LLM Agent在 AI 研究任务中的表现提供了全新工具。作为首个基于 Gym 的机器学习任务环境，MLGym 支持强化学习等算法对代理的训练，其模块化设计涵盖Agent、环境、数据集和任务四大核心组件，允许灵活集成新任务、模型、工具和Agent。MLGym-Bench 包含五类机器学习建模任务，共13个跨领域的开放式任务，覆盖数据科学、自然语言处理、计算机视觉、强化学习和博弈论方向。同时，对性能和开销进行了多维度评价。

原创 【工具调用】工具调用后训练参数设计方案总结

原创 【数据合成】Feedback-Driven Tool-Use Improvements in Large Language Models via Automated Build Environment

● 对每个问题生成独立工具时候，会出现工具相似冗余问题需要根据工具文档描述D进行去重，融合重叠的功能。● 生成的工具经常会出现较为简单的函数和有限的参数集，需要进行复杂度扩展。○ 采用关联的问题Q和答案A进行验证执行，对于不正确的输入，要可以给出适当的错误消息。○ 功能泛化：将每个工具的功能扩展到其原始子问题之外，以涵盖更广泛的任务范围。○ 工具集扩展：引入额外的非必要工具，增加工具选择的复杂度，提升环境整体难度。○ 并行多跳：包含独立的子问题和顺序依赖关系子问题的并行结构。○ 单跳：仅包含一个子问题。

原创 【工具调用】数据集总结

本文汇总了多个关于工具增强型语言模型（LLM）的最新研究，重点介绍它们在API调用和多轮交互方面的创新。AgentBank提出了5万+轨迹调优数据集，FunReason-MT开发了多轮函数调用框架，Gorilla和ToolLLM分别连接了海量API（16,000+），API-Bank则提供了全面的评估基准（73个API）。这些研究通过数据合成、轨迹调优和专用训练集（如ToolDial的多轮对话集）显著提升了LLM的工具使用能力，其中微调模型（如Lynx、ToolLLaMA）性能接近GPT-3.5水平。核心挑

原创 【工具调用】Benchmark总结

简介：函数调用，也称为工具使用，是指大型语言模型调用外部函数、api或用户定义工具的能力，这是代理大型语言模型应用程序的基本功能。尽管它很突出，但由于两个原因，还没有一个标准的基准来评估函数调用:评估函数调用何时有效具有挑战性，以及获取各种实际函数的挑战。我们提出伯克利函数调用排行榜(BFCL)，一个全面的基准，旨在评估函数调用在广泛的现实世界的设置。BFCL基准测试使用一种新颖的抽象语法树(AST)评估方法评估各种编程语言之间的串行和并行函数调用，该方法可以轻松扩展到数千个函数。

原创 大模型模型训练参数指导

数据量推荐 LR原因1k–10k1e-6–5e-6防止过拟合与灾难性遗忘10k–50k5e-6–1e-5格式学习 + 稳定泛化50k–300k1e-5（标准）最稳、最常用、适用所有模型300k–1M5e-6–8e-6防止大规模训练导致模式坍缩1M–10M3e-6–6e-6防止破坏预训练能力。

原创 【Agent】rStar2-Agent: Agentic Reasoning Technical Report

Microsoft Research提出，这是一个基于14B预训练模型、通过智能体强化学习（agentic RL）训练的数学推理模型，核心创新包括GRPO-RoC算法（结合重采样策略解决代码环境噪声问题）、支持45K并发工具调用且平均延迟0.3秒的大规模RL基础设施，以及“非推理SFT+多阶段RL”的高效训练方案（仅用64块MI300X GPU、510个RL步骤、1周完成训练）。该模型在数学推理任务上表现卓越，AIME24 pass@1达80.6%、AIME25达69.8%

原创 Pytorch实现熵值计算

【代码】Pytorch实现熵值计算。

原创 VERL获取全局步数代码修改

然后，给compute_socre里加入一个传递参数step即可。进入score之前，将步数信息，传递给extra_info字典。通过batch.meta_info传入步数信息。在进入奖励函数之前，加入。，如果是dapo，进入。在 1038 行加入。

原创 【DeepResearch】WebResearcher: Unleashing unbounded reasoning capability in Long-Horizon Agents

提出了一种数据合成方案、训练的改良、结合了TTS，并行生成多个研究报告，最后再让一个Agent进行整合。

原创 【数组】求两个匀速运动质点的相交或最小距离

两个质点初始位置，朝向角和速度分别为：（x0,y0,yaw0,v0），（x1,y1,yaw1,v1），它们在t=0时刻匀速直行运动，问它们是否会在同一时刻相交，如果不会，找出它们距离最小的时刻。相交判断距离小于1e-6，算法要求高效。

原创 【Agent Tool】Tool-Star: Empowering LLM-Brained Multi-Tool Reasoner via Reinforcement Learning

Tool-Star: 基于强化学习的多工具协同推理框架 Tool-Star提出了一种新型强化学习框架，使大型语言模型能够自主调用多个外部工具进行渐进式推理。为解决工具使用数据稀缺问题，该研究开发了TIR数据合成管道，包含三个关键步骤：(1)通过提示采样和工具调用标记自动解析构建初始数据集；(2)实施工具调用频率控制、去重和格式规范化等质量管控措施；(3)基于难度感知将数据分为简单推理、工具集成推理和困难案例三类。训练采用两阶段方案：先进行冷启动微调建立基础能力，再通过内存缓存式Rollout和层次化奖励（正

原创 【Agent】WebWatcher: Breaking New Frontiers of Vision-Language Deep Research Agent

BrowseComp-VL是为在现实网络环境中运行的高级多模态推理代理而设计的。BrowseComp-VL被组织成5个主要领域，包括17个细粒度的子领域。（1.自然科学与形式科学(化学、物理、生物与医学、数学)，2.工程与计算机科学(工程、计算机科学与人工智能)，3.社会科学与人文科学(社会科学、历史、政治、地理)，4.艺术、娱乐与体育(艺术、音乐、电视、游戏、体育)，5.其他）Level 1：问题需要多跳推理，但仍然引用显式实体。

原创 【Agent】GLM-4.5: Agentic, Reasoning, and Coding (ARC) Foundation Models

GLM-4.5，这是一个开源的混合专家(MoE)大型语言模型，具有355B总参数和32B激活参数，具有支持思考和直接响应模式的混合推理方法。通过对23T令牌进行多阶段训练，并结合专家模型迭代和强化学习进行全面的后训练，GLM-4.5在代理、推理和编码(ARC)任务中取得了较强的性能。引入了构建多个专家多轮多轮迭代优化SFT冷启动数据，RL阶段，基于困难度的课程学习，在长度为64K的单阶段RL，动态采样温度，代码和科学RL。任务一个通用智能体的核心能力有三个：（1）与外部工具和现实世界互动的智能体能力；

原创 【Agent】LongCat-Flash Technical Report

提出了两个部分的改进。1）引入零计算专家，输出等于输入，和其他专家在同一层级中。用于在简单token生成时候减少参数计算的开销。每次激活K个专家，难的token激活的非零专家会更多，计算参数会更多，简单的会激活的零专家会增多，计算参数减少。通过快捷连接MoE架构克服共享专家架构与单个专家计算的通信重叠。实验发现，引入快捷连接后性能与不引入相比几乎没有多少损失。在预训练方面，介绍了Tokenizer、训练稳定性、预训练数据过滤、长文能力增强等。

原创 【Agent】Kimi K2: Open Agentic Intelligence

Kimi K2，参数量为1T，激活参数为320亿参数的MoE模型。利用标记高效的MuonClip优化器和15.5 T标记高质量数据集（主要涉及：Web文本、代码、数学和知识）进行预训练。构建工具合成和用户问题合成Pipline，使用3000+真实MCP工具，合成20000种工具，在SFT阶段训练智能体工具使用能力。在RL阶段，训练数学、STEM和逻辑推理领域能力。

原创 【Agent】Chain-of-Agents: End-to-End Agent Foundation Models via Multi-Agent Distillation and Agentic

对多工具多场景下使用一个Agent模型去解决当前需要多Agent解决的问题进行探索。分别在Web Agent场景和Code Agent场景下进行了尝试，通过使用MAS来生成采样轨迹，将数据轨迹转化为设计的标签进行包裹，之后分别使用SFT和DAPO进行训练，构建成一个端到端的Agent模型。实验结果发现，整体性能均优于现有方法。

原创 【Agent】AutoAgent: A Fully-Automated and Zero-Code Framework for LLM Agents

摘要：AutoAgent是一个轻量级多智能体系统，支持动态创建和修改工具、代理及工作流以满足用户需求。其核心包含四个组件：(1) Agentic System Utilities提供基础工具集，包括协调代理、Web代理、编码代理和本地文件代理；(2) LLM-powered Actionable Engine利用标准化接口调用100+模型，支持直接工具使用和XML转换范式；(3) Self-Managing File System通过向量数据库管理多模态数据；(4) Self-Play Agent Cust

原创 215、【数组】交易逆序对（Python）

交易逆序对指的是在数组中，如果前面的元素大于后面的元素，则这两个元素组成一个逆序对。例如，在数组[9, 7, 5, 4, 6]中，逆序对有(9, 7)、(9, 5)、(9, 4)、(9, 6)、(7, 5)、(7, 4)、(7, 6)、(5, 4)，共8个。求逆序对数。

原创 修改Langchain中invoke和ainvoke解决TPM超额问题

【代码】修改Langchain中invoke和ainvoke解决TPM超额问题。

原创 【基座模型】Qwen3报告总结

Github: Qwen3（1）扩展语言类型和数据领域种类。（2）数据合成：使用Qwen2.5-Vl合成读取PDF文件数据、使用Qwen2.5-math和Qwen2.5-coder合成数学想代码相关数据。（1）长COT冷启动数据：包含数学、代码、逻辑推理、通用STEM问题等，每个query都配备一个可验证的参考单或者基于代码的测试用例。排除了难验证（涉及多个子问题或者通用文本生成能力）和不需要COT就可以回答的问题。（2）RL推理数据收集3995个在冷启动没有出现过的覆盖范围广泛的数据。（3）思考

原创 基于LangGraph的react_agent的源码解析

【代码】基于LangGraph的react_agent的源码解析。

原创 解决基于LangGraph框架的DeerFlow使用Qwen3不能正常被解析的问题

修改了JsonOutputParser类的parse_result()方法，添加了对Qwen3模型固定输出<think>标签的处理逻辑。当检测到文本中包含<think>时，会移除该标签及其内容，只保留</think>之后的部分再进行JSON解析。同时保留了原有的部分解析和完整解析逻辑，以及异常处理机制。

原创 【Agent】MLGym: A New Framework and Benchmark for Advancing AI Research Agents

Meta 推出的 MLGym 框架及配套基准 MLGym-Bench，为评估和开发LLM Agent在 AI 研究任务中的表现提供了全新工具。作为首个基于 Gym 的机器学习任务环境，MLGym 支持强化学习等算法对代理的训练，其模块化设计涵盖Agent、环境、数据集和任务四大核心组件，允许灵活集成新任务、模型、工具和Agent。MLGym-Bench 包含五类机器学习建模任务，共13个跨领域的开放式任务，覆盖数据科学、自然语言处理、计算机视觉、强化学习和博弈论方向。同时，对性能和开销进行了多维度评价。

原创 自注意力机制、多头自注意力机制、填充掩码 Python实现

【代码】自注意力机制、多头自注意力机制、填充掩码 Python实现。

原创 214、【数组】下一个排列（Python）

从后往前，找到第一个小于右侧集合的数，从右侧集合中找到一个比该数大的最小的数替换上去。然后，将右侧集合从小到排列，就为当前排列中，下一个排列的数。

原创 213、【图论】有向图的完全联通（Python）

【代码】213、【图论】有向图的完全联通（Python）

原创 212、【图论】字符串接龙（Python）

【代码】212、【图论】字符串接龙（Python）

原创 刷代码题中Python常用函数和库总结

原创 211、【图论】建造最大岛屿（Python）

【代码】211、【图论】建造最大岛屿（Python）

原创 210、【图论】课程表（Python）

这道题本质上是一个拓扑排序。每次先统计每个点的入度个数、然后再统计点与点之间的邻接关系，找到入度为0的点作为起始遍历点。之后每遍历到这个点之后，就把这个点后续的邻接关系边的点入度减去一。当某个点入度为0时，继续被加入其中开启下一轮遍历。当遍历完后，如果还有剩余点的话，则说明不满足拓扑要求。

原创 209、不大于n的数的组合（python）

已知一个数n和可组合的数字集合s，通过组合数字集合构成一个数x，使其不大于n。

原创 208、【数值模拟】计算圆周率（Python）

不使用math库，计算出圆周率。

原创 207、【图论】孤岛的总面积

相比于，就是在这个代码的基础上。先遍历边界，将边界连接的岛屿变为0，然后再计算一遍当前为1的岛屿面积。

原创 206、【图论】岛屿数量

【代码】206、【图论】岛屿数量。

原创 205、【数组】NLP分词实现（Python）

给定一个词典，比如[“杭州”,“西湖”,“博物馆”,“杭州西湖博物馆”,“我”]​对于输入的文本进分词：我在杭州的杭州西湖博物馆玩了一天​分词结果处理为如下形式的字符串: 我\W 在 杭州\W 的 杭州西湖博物馆\W 玩了一天​对于输入的文本进分词：我在杭州的杭州西湖博物玩了一天​分词结果处理为如下形式的字符串: 我\W 在 杭州\W 的 杭州\W 西湖\W 博物玩了一天。

原创 【Reasoning】o1复现整合

arxiv: https://arxiv.org/abs/2411.14405github: https://github.com/AIDC-AI/Marco-o1Marco-o1: Towards Open Reasoning Modelsfor Open-Ended Solutionsarxiv: https://arxiv.org/abs/2410.02884github: https://github.com/SimpleBerry/LLaMA-O1/tree/main、https://git