policy-gradient/GRPO-Zero
@policy-gradient从头实现 DeepSeek R1 的 GRPO 算法
星数
1,898
Fork 数
99
语言
Python
许可
Apache-2.0
最后推送
1年前
相关情报（0）
还没有相关情报
radar 追踪的来源里还没有出现过这个 repo。收集器按计划运行——等它覆盖到这个 repo 再回来看看。
从头实现 DeepSeek R1 的 GRPO 算法
radar 追踪的来源里还没有出现过这个 repo。收集器按计划运行——等它覆盖到这个 repo 再回来看看。