grpo

又见阿郎5 小时前
ai·强化学习·deepseek·grpo
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