更改

跳到导航 跳到搜索

DeepSeek-R1-Zero (查看源代码)

2025年2月24日 (一) 10:57的版本

删除11字节 、 2025年2月24日 (一) 10:57
→‎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|无框|左|GRPO算法与PPO算法的对比]]
+
[[文件:Grpo.png|GRPO算法与PPO算法的对比]]
    
由该图可以清楚地看出，GRPO放弃了价值模型，转而从组分数中估计基线，显著减少了训练资源。
 
由该图可以清楚地看出，GRPO放弃了价值模型，转而从组分数中估计基线，显著减少了训练资源。
取自“https://wiki.swarma.org/index.php/特殊:移动版差异/41883”

导航菜单