LEARNING / 学习记录
从概念到实现，从论文到实验，也记录过程中理解的变化。
先分清推理和训练，再理解 KV Cache、连续批处理和 ZeRO，最后用小实验连接到 Agentic RL。四篇笔记组成一条可以持续补充的学习路线。
从工具调用、交互轨迹到奖励与策略学习，整理 Agent 的基本问题，也为后续项目和实验确定一条学习主线。