热点
"GRPO" 相关文章
PrefixGrouper：加速GRPO训练，即插即用，长上下文场景计算效率跃升！
我爱计算机视觉 2025-06-11T11:55:39.000000Z
OpenAI没做到，DeepSeek搞定了！开源引爆推理革命
智源社区 2025-05-27T04:33:58.000000Z
仅用图像也能Think：Google等提出一种视觉规划的全新推理范式！
PaperAgent 2025-05-26T12:03:04.000000Z
DeepSeek用的GRPO有那么特别吗？万字长文分析四篇精品论文
机器之心 2025-05-24T07:51:24.000000Z
OpenAI没做到，DeepSeek搞定了！开源引爆推理革命
新智元 2025-05-24T07:02:12.000000Z
GRPO=高级版拒绝采样？强化学习祛魅时刻：负样本“去芜存菁”才是关键！
PaperWeekly 2025-05-20T07:52:39.000000Z
泛化性暴涨47%！首个意图检测奖励范式，AI工具爆炸时代意图识别新解法
机器之心 2025-05-17T05:25:06.000000Z
万字长文带你读懂强化学习，去中心化强化学习又能否实现？
机器之心 2025-05-07T07:32:17.000000Z
GRPO在《时空谜题》中击败o1、o3-mini和R1
AI科技评论 2025-04-09T10:02:57.000000Z
在GSM8K上比GRPO快8倍！厦大提出CPPO，让强化学习快如闪电
机器之心 2025-04-02T07:34:40.000000Z
在GSM8K上比GRPO快8倍！厦大提出CPPO，让强化学习快如闪电
掘金 人工智能 2025-04-01T10:57:46.000000Z
在GSM8K上比GRPO快8倍！厦大提出CPPO，让强化学习快如闪电
机器之心 2025-04-01T08:05:59.000000Z
Recent reasoning research: GRPO tweaks, base model RL, and data curation
Interconnects 2025-03-31T16:05:05.000000Z
「古董」GPU也能跑DeepSeek同款GRPO！显存只需1/10，上下文爆涨10倍
智源社区 2025-03-12T11:14:28.000000Z
「古董」GPU也能跑DeepSeek同款GRPO，显存只需1/10，上下文爆涨10倍
36氪 - 科技频道 2025-03-10T08:03:42.000000Z
「古董」GPU也能跑DeepSeek同款GRPO！显存只需1/10，上下文爆涨10倍
新智元 2025-03-10T06:52:26.000000Z
GRPO在《时空谜题》中击败o1、o3-mini和R1
AI科技评论 2025-03-08T11:50:13.000000Z
32B击败DeepSeek-R1、o3-mini，成本暴降100倍！GRPO让小模型称霸推理
智源社区 2025-03-08T10:15:21.000000Z
社区供稿 | Hugging Face 又出新教程啦！手把手教你构建 DeepSeek-R1 推理模型
智源社区 2025-03-05T16:22:19.000000Z
HuggingFace 又出新教程啦！手把手教你构建DeepSeek-R1推理模型
机器学习初学者 2025-03-05T06:39:24.000000Z