标签:计算成本

在GSM8K上比GRPO快8倍!厦大提出CPPO,让强化学习快如闪电

DeepSeek-R1的成功依赖于一种名为GRPO(组相对策略优化)的强化学习算法。与PPO(近端策略优化)不同,GRPO直接根据组分数估计基线,从而消除了对critic模型...

一道题烧几千美元,OpenAI新模型o3:这34道题我真不会

OpenAI最近推出了新的推理系列模型o3和o3-mini,这是自o1以来的第12次更新。这些模型基于OpenAI提出的推理Scaling Law,为实现人工通用智能(AGI)带来了新希...