系列

GRPO 的谱系

阅读顺序

2025-02-07

DeepSeek-R1 技术剖析：没有强化学习基础也能看懂的 PPO & GRPO

后训练 · en / zh ·16 个公式 GRPO 的谱系 1 GRPO RLHF

2025-08-08

GRPO 的进化之路：从 GRPO 走向 DAPO 和 GSPO

后训练 · en / zh ·17 个公式 GRPO 的谱系 2 GRPO

2025-07-02

从 RL for LLM 视角重新理解 KL 估计：读《Approximating KL Divergence》笔记

后训练 · en / zh ·18 个公式 GRPO 的谱系 3 GRPO