本页内容受版权保护 · 已添加水印 · 禁止任何形式转载
§6.4.20

DeepSeek-R1 的 GRPO 相比 PPO 的改进?

手写练习
  • —写出 GRPO 的 advantage 计算(组内归一化)

LLM 大模型 · 付费章节

每个框架的第 1 节免费。要读后续章节,可单独解锁本框架,或一次解锁 4 个框架。

或 Pro 订阅 ¥49/月 · 报名冲刺营 都包含解锁
相关题目