Loading

2025年2月20日
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(1857) 评论(2) 推荐(0)
GROP详解
摘要： GROP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 12:40 [X_O] 阅读(734) 评论(0) 推荐(0)