第二支羽毛 第二支羽毛
Anonymous User
柏企

柏企

吹灭读书灯，一身都是月

  • 累计撰写 101 篇文章
  • 累计创建 16 个分类
  • 累计收获 168 个点赞

强化学习中的关键模型与算法：从Actor-Critic到GRPO

  • 2025-04-12 21:15
  • 4
  • 0
  • 0
  • 24.4℃
强化学习 
强化学习中的关键模型与算法：从Actor-Critic到GRPO 强化学习中的Actor-Critic模型是什么？ 这与生成对抗网络（GANs）十分相似。在生成对抗网络中，生成器和判别器模型在整个训练过程中相互对抗。在强化学习的Actor-Critic模型中，也存在类似的概念： Actor-Crit

DeepSeek-R1如何突破语言模型的极限——深入数学视角解读群体相对策略优化（GRPO）

  • 2025-03-27 21:29
  • 23
  • 0
  • 4
  • 34.3℃
强化学习 
强化学习系列第二篇 |文末点击阅读原文查看网页版| 更多专栏文章点击查看： LLM 架构专栏

深度解析PPO与GRPO：强化学习算法的进阶之路

  • 2025-03-26 22:49
  • 29
  • 0
  • 2
  • 30.9℃
强化学习 
强化学习系列第二篇 更多专栏文章点击查看： LLM 架构专栏
弹