2025年2月7日
聊聊GRPO算法——从Open R1来看如何训练DeepSeek R1模型
摘要： 概述 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 聊聊DeepSeek R1的开源复现库——Open R1之合成数据 聊聊DeepSeek R1的知识蒸馏与应用思考 简介 GRPO 是一种在线学习算法，这意味着它通过 阅读全文
posted @ 2025-02-07 13:58 又见阿郎 阅读(8661) 评论(0) 推荐(1)