读R1的训练过程《DeepSeek-R1》论文导读
作者: LLM张老师
作者简介: https://www.waylandz.com 多伦多大学 07 计算机科学
描述: DeepSeek-R1-Zero 是亮点。DeepSeek-R1的训练过程： 1)SFT——2)RL——3)SFT——4)RL
作者: LLM张老师
作者简介: https://www.waylandz.com 多伦多大学 07 计算机科学
描述: DeepSeek-R1-Zero 是亮点。DeepSeek-R1的训练过程： 1)SFT——2)RL——3)SFT——4)RL
![[LLM+RL] R1 论文导读，SFT vs. RL，RL 基础以及 GRPO 细节，以及一系列复现工作讨论](/image/45b3efd736bf035d7416ecdb58877275ff5aa099.jpg@336w_190h_!web-video-rcmd-cover.avif)
![[LLM + RL] kimi 1.5 论文导读与 highlights](/image/b6b503242d0b45d0194a9436b9a83a9656593b60.jpg@336w_190h_!web-video-rcmd-cover.avif)
![[论文精读] Deepseek r1 (prepare) - RLHF & PPO & GRPO](/image/693843b5f57eb9c7543d0295ceb1e1c0c15a14c1.jpg@336w_190h_!web-video-rcmd-cover.avif)
![[论文精读] Deepseek R1 Zero & R1](/image/754b49ae2fb0a40e57976e15e83998b608c269d5.jpg@336w_190h_!web-video-rcmd-cover.avif)
