更改

DeepSeek-R1-Zero (查看源代码)

2025年2月24日 (一) 11:00的版本

添加1字节、 2025年2月24日 (一) 11:00

→‎DeepSeek-R1-Zero的强化学习算法

第11行：第11行：

GRPO与PPO算法之间的对比可以用下图进行清晰地表示：

GRPO与PPO算法之间的对比可以用下图进行清晰地表示：

+

[[文件:Grpo.png|GRPO算法与PPO算法的对比|居左|610x217像素]]

[[文件:Grpo.png|GRPO算法与PPO算法的对比|居左|610x217像素]]

行政员、界面管理员、管理员

3,094

个编辑

取自“https://wiki.swarma.org/index.php/特殊:移动版差异/41886”