grpo

【TTS】基于GRPO的流匹配文本到语音改进：F5R-TTS论文地址：https://arxiv.org/abs/2504.02407v3我们提出了F5R-TTS，这是一种新颖的文本到语音(TTS)系统，它将群体相对策略优化(GRPO)集成到基于流匹配的架构中。通过将流匹配TTS的确定性输出重新表述为概率高斯分布，我们的方法能够无缝集成强化学习算法。在预训练期间，我们训练了一个基于概率重新表述的流匹配模型，该模型源自F5-TTS和一个开源数据集。在随后的强化学习(RL)阶段，我们采用一个由GRPO驱动的增强阶段，该阶段利用双重奖励指标：通过自动语音识别计算的

Vad-R1：通过从感知到认知的思维链进行视频异常推理Vad-R1: Towards Video Anomaly Reasoning via Perception-to-Cognition Chain-of-Thought ¹中山大学深圳校区；²哈尔滨工业大学（深圳）；³香港理工大学 arxiv’25’05

DeepSeek-V3 论文解读：大语言模型领域的创新先锋与性能强者论文链接：DeepSeek-V3 Technical Report在大语言模型（LLMs）的激烈竞争赛道上，开源与闭源模型均在飞速发展，不断突破性能极限。DeepSeek-V3的诞生，犹如一颗璀璨新星，照亮了开源模型的前行之路。它拥有高达 671B 的总参数，在每次处理令牌时激活 37B 参数，以强大的姿态跻身前沿模型行列。其训练成本效益显著，仅需 2.788M H800 GPU 小时的总训练时长，折合 557.6 万美元，却在多个关键领域展现出惊人的实力，成为当前开源模型中的佼佼者，有力地推动了自然语言

聊聊GRPO算法——从Open R1来看如何训练DeepSeek R1模型首发自个人公众号：阿郎小哥的随笔驿站DeepSeek R1系列建议阅读之前的系列文章：聊聊DeepSeek R1的一些总结