本文章将接着前一篇关于DeepSeek-R1来更近一步说明其中的关键算法GRPO。本文将大量参考（CV大法）DeepSeek团队在Hungging Face上的GRPO介绍【GRPO 培训师 --- …
GRPO Trainer（深入了解GRPO）
强制二周目是坏文明！
为什么好多游戏的全成就都喜欢在通关后来一个所谓的“终极难度”，然后才能拿白金奖杯🤯
昨天终于通了漫威蜘蛛侠，本来挺有兴致的想100%地图，然后美美拿个白金奖杯，然后一看需要强制我再用终极难度打一遍二周目，瞬间对全地图都没了兴趣，干脆放弃了。
DeepSeek-R1学习笔记
DeepSeek-R1是在DeepSeek V3的基础上进行的，在实际效果上有了深度思考的能力，大大提高了模型的性能（对标OpenAI的O1模型），也就是对应官网上面的这个按钮👇 下面来简单概述一下本…
2025.1.12 闲事树桩
其实前几天就发现网站的SSL证书过期了，但是一直没有去换，今天终于克服了懒癌更换了SSL证书。
今日跟朋友出去玩，到牌店冲动买了一幅万智牌，不知道之后会不会入坑。中午WSH想吃KFC的吮指原味鸡，md感觉鸡里有毒喷射斯沃了。（KFC以后黑名单里呆着去吧！！！）
寒假开始又是每日的组会TT。这次要跟老师一起写国自科项目，是太赫兹成像跟人工智能方面的结合，不知道会写成什么样子。