GRPO - Group Relative Policy Optimization - How DeepSeek trains reasoning models

созданный 21h | 8 мая 2025 г., 14:20:03

Другие сообщения в этой группе

24 апр. 2025 г., 20:50:07 | Louis Serano

31 мар. 2025 г., 15:10:09 | Louis Serano

12 мар. 2025 г., 19:10:11 | Louis Serano

11 мар. 2025 г., 17:30:02 | Louis Serano

5 мар. 2025 г., 15:20:03 | Louis Serano

25 февр. 2025 г., 17:10:03 | Louis Serano

18 февр. 2025 г., 15:50:09 | Louis Serano

Tomas_r2