索引 / 标签
#推理模型
共 2 篇
- Ch10 LLM架构
推理模型 (Reasoning Models)
概述 推理模型 (Reasoning Models) 是 2024-2026 年间 LLM 领域最重要的范式创新。与传统 LLM 直接生成答案不同，推理模型在生成最终答案之前会先进行显式的、可
约 6 分钟1,791 字 - Ch11 模型微调
GRPO (Group Relative Policy Optimization)
一句话理解 DeepSeek-R1使用的对齐方法——对同一个问题生成一组回答,好的奖励差的惩罚,组内相互比较,不需要单独的奖励模型。像"小组内排名"而不是"老师打分"。 为什么需要GRPO:
约 4 分钟1,329 字