PPO&GRPO

很好! 目前共计 81 篇日志。 继续努力。

2025

03-06

PPO&GRPO

03-04

Pytorch实现AverageModel

02-18

【文献阅读】Better & Faster Large Language Models via Multi-token Prediction

02-17

DeepSeekMoE详解

02-13

MLA（Multi-head Latent Attention）详解

01-17

一个传文件的好方法

01-08

ModernBERT介绍

2024

12-03

蒙特卡洛树搜索（MCTS）

11-22

STaR和Quiet-STaR

10-18

OpenAI o1 技术整理