今天看啥  ›  专栏  ›  斌叔OKmath

这是我从头开始对用于训练 DeepSeek R1 的 GRPO -20250217084256

斌叔OKmath  · 微博  ·  · 2025-02-17 08:42
    

原文地址: 访问原文地址
总结与预览地址:访问文章预览/总结
文章地址: 访问文章快照