Loading

02 2025 档案

GRPO详解
摘要：GRPO详解GRPO详解 GRPO算法是在PPO算法的基础上进化而来的，在搞清楚GRPO算法前，需要先了解PPO算法是如何在LLM的Post Training中应用的。 本文主要参考DeepSeekMath: Pushing the Limits of Mathematical Reasoning in Ope 阅读全文
posted @ 2025-02-20 12:50 [X_O] 阅读(2046) 评论(2) 推荐(0)