saulstavo

摘要： 问题 给你一个整数数组 nums 和一个整数 k。 你可以对数组中的每个元素 最多 执行 一次 以下操作： 将一个在范围 [-k, k] 内的整数加到该元素上。 返回执行这些操作后，nums 中可能拥有的不同元素的 最大 数量。 示例 1： 输入： nums = [1,2,2,3,3,4], k = 阅读全文

摘要： 参考视频 GRPO 指的是 Group Relative Policy Optimization（组相对策略优化），最早由 DeepSeek 在 DeepSeekMath 里提出，用来做 LLM 的 RL（尤其是推理/Chain-of-Thought 任务）的高效替代 PPO 的算法。 PPO 需要 阅读全文