强化学习

低算力成本的新秀 Unsloth

2026年2月6日

简单聊聊 Unsloth 为什么被很多个人开发者喜欢，以及它和 SFT、GRPO、DPO 等训练方法的关系。

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。