RL for LLM知乎文章 https://zhuanlan.zhihu.com/p/1916994928132751692 学习笔记 Diffusers原始的RL，序列的生成是autoregressive的, 即we observe a

项目任务： GPT给的实现方案: https://chatgpt.com/share/6864ed4c-decc-800c-b9ad-3b7cb0d3adc0 学习目标：1.学习生成模型，Diffusion的原理、code 2.复习强化学习

MCPMCP（Model Context Protocol，模型上下文协议）是一种开放协议，旨在实现 大型语言模型（LLM） 应用与外部数据源、工具和服务之间的无缝集成，通过标准化模型与外部资源的交互方式，提升 LLM 应用的功能性、灵活性