grpo算法

AIQL1 天前
人工智能·算法·机器学习·deepseek·grpo算法
Deepseek的RL算法GRPO解读在本文中，我们将深入探讨Deepseek采用的策略优化方法GRPO，并顺带介绍一些强化学习（Reinforcement Learning, RL）的基础知识，包括PPO等关键概念。