Blog1

标签: 强化学习

此标签下有3条笔记。

  • 2026年4月30日

    DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning

    • 论文
    • 推理
    • 强化学习
    • RL
    • GRPO
    • 蒸馏
    • DeepSeek
    • LLM
  • 2026年4月30日

    GRPO 分组相对策略优化

    • GRPO
    • RL
    • 强化学习
    • 推理模型
    • DeepSeek
    • PPO
  • 2026年4月30日

    推理模型与强化学习

    • 推理模型
    • RL
    • GRPO
    • CoT
    • 强化学习

Created with Quartz v4.5.2 © 2026

  • GitHub
  • Discord Community