标签：GRPO
从文本到视觉：VLM-R1如何通过GRPO革新多模态AI训练
杭州95后研究团队成功将DeepSeek-R1的训练方法迁移到视觉语言领域，开发了开源项目VLM-R1。该项目采用Group Relative Policy Optimization (GRPO)算法，实现...
从PPO到GRPO：RL与LLM的融合与创新
本文深入探讨了强化学习（RL）与大语言模型（LLM）的融合创新，特别是从PPO到GRPO的技术演进。文章分析了DeepSeek的开源策略及其在性能与成本上的优势，并探...
探索RLHF新方法：从迷宫导航到多语言优化
本文探讨了在AI研究中，针对新的RLHF/RLAIF pipeline的研究方法，包括提出新的RL算法、数据收集方法和奖励训练算法，并与PPO、DPO、KTO等算法在不同数据上的...
DeepSeek模型与GRPO：低成本高效AI的未来
DeepSeek模型以其开源和低成本特性席卷AI领域，特别是其创新的GRPO算法为强化学习提供了新思路。本文将探讨DeepSeek如何通过GRPO等技术实现高效推理，并分析...
GRPO技术革新：从DeepSeek-R1到VLM-R1的视觉语言模型迁移
杭州95后研究团队成功将DeepSeek-R1的训练方法迁移到视觉语言领域，开发了VLM-R1项目。该项目采用GRPO技术，展示了卓越的推理能力，并在GitHub上获得广泛关注。
AI-magic收录了大量国内外AI工具箱，包括AI写作、图像、视频、音频、编程等各类AI工具，以及常用的AI学习、技术、和模型等信息，让你轻松加入人工智能浪潮。