强化学习

24GB 显存玩转 DeepSeek-R1：GRPO 原理与 Unsloth 踩坑实录

2026年2月6日

深入解析 GRPO 算法原理及 Unsloth 框架在大模型推理对齐中的优化实践，包括强化学习训练范式和性能优化方案。

DeepSeek R1 论文解读：强化学习如何自主激发推理能力

2025年1月15日

分析 DeepSeek R1 论文的核心创新，包括 RL 推理、GRPO 算法和模型蒸馏。

强化学习在机器人控制中的应用

2023年7月30日

概述强化学习在机器人控制中的基本流程与现实挑战。