[veRL] 从原理层面理解训练参数，PPO & GRPO，batch size，kl & entropy
作者: 五道口纳什
作者简介: 数学，计算机科学，现代人工智能。bridge the gap。
描述: 本期 code：https://github.com/chunhuizhang/llm_rl/blob/main/tutorials/infra/verl/verl_config_perf.ipynb
![[veRL] 从原理层面理解训练参数，PPO & GRPO，batch size，kl & entropy](/image/b232c7e74a4d3da91b4ba8b008249f8f82f0848b.jpg)
作者: 五道口纳什
作者简介: 数学，计算机科学，现代人工智能。bridge the gap。
描述: 本期 code：https://github.com/chunhuizhang/llm_rl/blob/main/tutorials/infra/verl/verl_config_perf.ipynb
![[LLM+RL] 理解 GRPO 公式原理及 TRL GrpoTrainer 代码实现（advantage 与 loss 计算）](/image/2b9b232ee0c47db6a7e0913d7eafa6176c6ec588.jpg@336w_190h_!web-video-rcmd-cover.avif)
