使用DeepSeek的GRPO，7B模型只需强化学习就能拿下数独-20250311180444

斌叔OKmath · 微博 · · 2025-03-11 18:04

文章预览

2025-03-11 18:04 本条微博链接使用DeepSeek的GRPO，7B模型只需强化学习就能拿下数独 ………………………………

原文地址：访问原文地址
快照地址：访问文章快照
总结与预览地址：访问总结与预览

分享到微博

推荐文章

创业邦 · 为什么黄仁勋还成不了世界首富？

10 月前

FreeBuf · 倒计时3天，北山学院直播，带你提高挖洞效率

9 月前

剑胆琴心123 · 越看俺闺女越有能耐，一颦一笑都带着学霸的气场。每次她爹请教个股市-20250315135653

2 月前

智专北斗 · 春潮涌动，智慧加盟——智专北斗春季新力量

1 月前