ОбзорДокументацияВойти
/
rnekrasov
/
grpo-sources
Код
Запросы
0
Задачи
Вики
Релизы
0
Аналитика
Безопасность

grpo-sources

0

Описание

Важные статьи и имплементации GRPO. Group Relative Policy Optimization (GRPO) и его применение в RL с верификацией наград.

8.48 MiB
В избранном0
Форки0
1
5
0

Роман Некрасов

24 мар 2025, 12:52
!2402.03300v3.pdf
2 года назад
!2503.06639v2.pdf
2 года назад
2502.01652v1.pdf
2 года назад
2502.06807v1_openai.pdf
2 года назад
2503.01333v1.pdf
2 года назад
2503.03797v1.pdf
2 года назад
2503.15952v1.pdf
2 года назад
DeepSeek-R1.pdf
2 года назад
DeepSeekMath Pushing the Limits of Mathematical.pdf
2 года назад
REINFORCEMENT LEARNING WITH VERIFIABLE REWARDS.pdf
2 года назад
Подборка ссылок по RFT.docx
2 года назад