GRPO - 标签 - lilfry's library

lilfry's library

首页全部文章研究地图 AI 未定稿 LeetCode 分类标签关于

lilfry's library

首页全部文章研究地图 AI 未定稿 LeetCode 分类标签关于

GRPO

2026

GRPO 训练 DeepSeek-V3 的数学能力：从 rollout 到参数更新 10-10

397B Agent RL 到底怎么跑：从 MCP trajectory、TITO token trace 到 Fully Async GRPO 09-02

异步 RL：用 Policy Staleness 换掉全局 Barrier 07-13

Hope can set you free.

Powered by Hugo

2025 - 2026 lilfry