强化学习导论：从传统 RL 到 Agentic RL
从马尔可夫决策过程、价值学习和深度强化学习出发，梳理 PPO、RLHF、DPO、GRPO、OPD 到 Agentic RL 的演进关系，并讨论长程信用分配、稀疏奖励、环境成本与安全约束。
华科软件学院保研真题回忆（机试+面试）
记录华科软件学院保研复试的备考经验，以及 2025、2026 年机试选择题、编程题与面试流程的真题回忆。
Obsidian 版 Markdown 语法指南
记录 Obsidian 版 Markdown 的特有语法，以及迁移到 H2RO Archive 时的处理规则。