标签：GRPO

DeepSeek用的GRPO占用大量内存？有人给出了些破解方法

群组相对策略优化（GRPO）作为一种在线学习算法，通过使用训练过程中由模型自身生成的数据进行迭代改进，已因其高效性和易用性成为大型语言模型强化学习中的...

AIGC动态

7小时前