2025年2月5日
LLM大模型：deepseek浅度解析(三)：R1的reinforcement learning GRPO复现
摘要： deepseek-R1比较创新的点就是reward函数了，其自创的GRPO方法，详解如下：https://www.cnblogs.com/theseventhson/p/18696408 训练出了R1-zero和R1两个强化学习版本！幸运的是，GRPO的这个算法已经有人实现，并集成到huggingf 阅读全文
posted @ 2025-02-05 18:00 第七子007 阅读(3238) 评论(0) 推荐(2)