强化学习 on zo0043http://blog.zero43.top/tags/%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/Recent content in 强化学习 on zo0043zo0043https://i.postimg.cc/7hwBy7VS/calcr.pnghttps://i.postimg.cc/7hwBy7VS/calcr.pngHugo -- 0.130.0zh©2024 zo0043Wed, 30 Sep 2026 16:40:00 +0800DeepSeek 论文课（八）：模型怎么会"想"了：GRPO 与 R1http://blog.zero43.top/posts/deepseek-paper-course-08-rl-reasoning/Wed, 30 Sep 2026 16:40:00 +0800http://blog.zero43.top/posts/deepseek-paper-course-08-rl-reasoning/模型怎么会"想"了：GRPO 与 R1 先给结论： 上一篇讲"结构省钱"，这一篇转向训练方法。模型的&quot