
DeepSeek-R1-Zero: 直接从DeepSeek-V3-Base进行强化学习RL训练,大概进行了数千步,就能展现出强大的性能和惊人的推...
ReFT: Reasoning with Reinforced Fine-Tuning[https://arxiv.org/abs/2401.0...
Group Relative Policy Optimization(GRPO) ,从DeepSeekMath[https://arxiv.or...
PPO(Proximal Policy Optimization)是一种广泛使用的强化学习算法,它通过优化策略来训练智能体,旨在提升训练过程的稳...
spacy是一个python的自然语言处理的包,可以做词性分析、命名实体识别、依赖关系刻画,embedding的计算以及可视化。 直接清华源安装...
来自:Mutual Reasoning Makes Smaller LLMs Stronger Problem-Solvers[https://...
在大语言模型(LLM)中,位置编码(Positional Encoding)是用于表示输入序列中词汇或标记相对位置的技术。由于Transform...
查看系统信息 下载工具包 下载地址: https://developer.nvidia.com/cuda-toolkit-archive[htt...
clash (meta) 下载安装包 linux x64下载 curl https://d2.duckgogo.net/mihomo/mihom...