不训Critic怎么判断动作好坏？DeepSeek用组内PK替代，显存直降40%
09:46
精选参考来源
精选参考来源
1. GRPO强化学习实战：让大模型学会”深度思考"
知乎 2026-01-28 00:00:00
2. 字节面试官问："PPO 和 GRPO 有什么区别？" 我背完教科书答案，他点头："好，那 GRPO 为什么去掉 Critic？" 我：......
微信公众号 2026-04-16 00:00:00
3. 强化学习｜PPO与GRPO深度解析：从原理到落地，谁才是你的最优选择？
知乎 2026-04-30 00:00:00
4. bagu
知乎 2026-03-03 00:00:00
5. 强化学习之GRPO算法
知乎 2026-05-11 00:00:00
6. AI算法面试：什么是grpo
微信公众号 2026-01-30 00:00:00
7. GRPO与PPO的优劣对比及适用场景分析
知乎 2026-03-22 00:00:00
8. 彻底搞懂 GRPO训练全过程
微信公众号 2026-06-10 00:00:00
9. AI算法大模型面试 | grpo损失原理和详解
微信公众号 2026-01-29 00:00:00
10. PPO、DPO 与 GRPO：强化学习与偏好对齐技术调研
知乎 2026-03-30 00:00:00
11. 使用 GRPO 训练 CartPole
知乎 2026-02-13 00:00:00
12. 基于Verl项目，详解GRPO算法
知乎 2026-03-27 00:00:00
13. 用 0.5B 小模型 GSM8K任务GRPO 训练记录
知乎 2026-06-12 00:00:00
14. DeepSeek GRPO 如何颠覆 AI 训练：从 PPO 的老路到更高效的替代方案
微信公众号 2026-04-18 00:00:00
15. 从Fine-tuning到GRPO：大模型对齐技术的完整演进史
知乎 2026-03-24 00:00:00
16. 大模型后训练中的GRPO算法剖析
知乎 2026-03-25 00:00:00
17. day126 deepseek关键创新——GRPO数学原理
小红书 2026-01-20 00:00:00
18. 17_verl-GRPO训练例子详解
微信公众号 2026-06-26 00:00:00
19. LLM 后训练基础：GRPO
知乎 2026-03-01 00:00:00
20. 深入解析 GRPO
知乎 2026-01-31 00:00:00
21. 搞懂GRPO，看这一篇就够了：原理深度解析
微信公众号 2026-04-09 00:00:00
22. AI算法大模型面试 | grpo效果不佳的改进策略
微信公众号 2026-01-29 00:00:00
23. 大模型后训练与强化学习（九）：GRPO的改进算法
知乎 2026-02-25 00:00:00
24. TRL源码分析-GRPO
知乎 2026-03-16 00:00:00
25. 强化学习算法原理：PPO、GRPO、DAPO
知乎 2026-02-06 00:00:00
26. 大模型后训练与强化学习（七）：GRPO
知乎 2026-02-10 00:00:00
27. 大模型强化 | GRPO 怎么真正用于大模型推理强化学习
微信公众号 2026-07-15 00:00:00
28. AI算法大模型面试 | grpo数据如何构造
微信公众号 2026-01-29 00:00:00
29. 读懂 MoE、MLA、GRPO：《图解 DeepSeek 技术》重点干货整理
微信公众号 2026-06-24 00:00:00
30. DeepSeek白天接口贵1倍！算力效仿电力峰谷定价，账单成本翻倍涨
今日头条 2026-07-05 00:00:00
31. GRPO过时了吗？
微信公众号 2026-06-21 00:00:00
32. GLM-5.2 放弃了开源社区曾广泛采用的 GRPO，这意味着什么？
知乎 2026-06-24 00:00:00
33. DeepSeek-R2要来了？
知乎 2026-01-21 00:00:00
34. DeepSeek，该卸下扫地僧的枷锁了
微信公众号 2026-04-12 00:00:00
35. DeepSeek V4 预览版本上线并同步开源，哪些亮点值得关注？
知乎 2026-04-24 00:00:00
36. Deepseek v5版本大概何时上线？性能会有多大提升？
知乎 2026-07-08 00:00:00
37. 如何评价DeepSeek刚刚发布的DeepSeek-V4-Pro和DeepSeek-V4-Flash？
知乎 2026-04-24 00:00:00
38. 怎么评价 DeepSeek V4？和主流 AI 比落伍、紧随还是突破？
知乎 2026-05-05 00:00:00
39. DeepSeek 2026年4 月30 日发布几小时后删除的视觉模型技术报告，透露出哪些信息？
知乎 2026-05-01 00:00:00
40. 最新的DeepSeek V4来了！一文带你读懂DeepSeek最新模型
微信公众号 2026-04-24 00:00:00
41. DeepSeek R1跑分确实很强，接近甚至超越OpenAI - 即刻App
即刻App 2026-07-06 00:00:00
42. GRPO过时了吗？
今日头条 2026-06-21 00:00:00
43. 重磅突破！Gemma 4本地RL训练落地，仅需9GB VRAM
今日头条 2026-04-16 00:00:00
44. 知乎直答接入满血版DeepSeek-R1，别再给国外AI付会员费了。
今日头条 2026-05-28 00:00:00
45. 用了三天DeepSeek-R1的真实感受
小红书 2026-03-19 00:00:00
46. DeepSeek R1深度测评：推理能力碾压GPT-4？
微信公众号 2026-03-28 00:00:00
47. DeepSeek R1 深度思考：90% 的人都用错了
小红书 2026-01-31 00:00:00
48. DeepSeek-R1开源版实测，3点感受
微信公众号 2026-06-12 00:00:00
49. DeepSeek R1模式使用技巧！
今日头条 2026-05-23 00:00:00
50. DeepSeek-R1深度解读
知乎 2026-05-22 00:00:00
51. DeepSeek-V3与DeepSeek-R1：从基础模型到推理模型的技术演进
微信公众号 2026-06-11 00:00:00
52. 学习deepseek的论文
微信公众号 2026-04-27 00:00:00
53. DeepSeek-R1与Kimi-K2.6推理效率对比
微信公众号 2026-06-06 00:00:00
已收藏
去我的收藏夹