小不点搜索
登录
在模型微调中设计GRPO的奖励函数实现Deepseek-R1的推理输出
收藏
举报
www.bilibili.com
5天前 10:06
[内容类型] 在线视频
[视频名字] 在模型微调中设计GRPO的奖励函数实现Deepseek-R1的推理输出
[视频站点] www.bilibili.com
回复
编辑
⇧顶
⇩沉
影音视频访问链接
以下链接为影音视频“在模型微调中设计GRPO的奖励函数实现Deepseek-R1的推理输出”在线访问地址，点击链接就可以访问查看啦
www.bilibili.com***200842
www.bilibili.com
说两句
X
![[图]](/static/site/bilibili.png)