#DeepSeek GRPO
共 74 篇相关文章
·9 分钟
后训练技术全解析：SFT、PPO、DPO与GRPO原理及选型指南
系统解析大模型后训练核心技术栈，涵盖SFT监督微调、PPO强化学习、DPO直接偏好优化和GRPO组相对策略优化的原理、优劣势对比及实践选型建议。
阅读全文 →
·18 分钟
同一提示词喂给11个AI模型，为何得到11种不同答案？
用同一个提示词测试GPT、Claude、Gemini等11个大语言模型，结果截然不同。本文解析模型差异的根本原因，并分享多模型评估策略与路由架构的实践建议。
阅读全文 →
·14 分钟
FLOPs是智能，参数是知识：一句话看懂AI大模型本质
深入解析AI领域的精妙比喻：FLOPs代表智能（计算推理能力），参数代表知识（记忆存储能力）。了解大语言模型中计算量与参数量的本质区别，掌握模型优化的两条核心路径。
阅读全文 →
·13 分钟
Qwen3.8-27B成史上最火开源模型：断层式领先DeepSeek-R1
Qwen3.8-27B成为Unsloth社区使用量最高的开源模型，远超DeepSeek-R1和Qwen3.6-35B-A3B。27B参数量化后可在消费级显卡本地部署，成为开发者首选基座模型。深度解析其爆火原因与开源生态趋势。
阅读全文 →
·15 分钟
Qwen3 27B+DeepSeek Harness实测：本地开源智能体性能评测
详细实测Qwen3 27B模型搭配DeepSeek Harness智能体框架的部署方案、视觉理解能力、推理强度对比及token消耗数据，涵盖边界框绘制、车辆计数等多模态任务表现。
阅读全文 →
·15 分钟
从零实现GRPO：PyTorch手写强化学习算法详解
详解如何用纯PyTorch从零实现GRPO（群组相对策略优化）算法，涵盖群组采样、优势归一化、概率比裁剪、KL约束等核心步骤，可在消费级GPU上运行，适合深入理解大模型后训练强化学习机制。
阅读全文 →
·8 分钟
Agentic AI与RAG、LLM、RL融合：智能体技术栈全解析
深入解析Agentic AI智能体如何与RAG检索增强生成、LLM大语言模型、RL强化学习深度融合，探讨智能体技术栈的协同架构、落地挑战与未来趋势，帮助开发者构建生产级AI应用。
阅读全文 →
·15 分钟
从AI到大模型：理清人工智能概念脉络与技术演进路径
一文梳理人工智能、机器学习、深度学习、大模型、生成式AI之间的关系与发展脉络。从深蓝到ChatGPT，理解Transformer架构如何催生大语言模型，以及普通人如何切入AI应用开发。
阅读全文 →
·14 分钟
OpenAI暂停RL训练：模型能力增长过快，安全对齐跟不上了？
Sam Altman宣布OpenAI暂停强化学习训练，称模型能力增长极其迅速已超越安全对齐进度。本文深度解读这一决定背后的技术原因、行业影响及AI安全治理启示。
阅读全文 →
·10 分钟
Qwen3 27B深度评测：推理能力强大却过度思考的解决方案
深度评测Qwen3 27B开源模型的推理能力与过度思考问题。分析27B参数规模的性能优势、过度思考的原因与代价，并提供关闭思考模式、分场景配置等实用优化建议。
阅读全文 →
·9 分钟
DeepSeek掉队了吗？大模型竞赛格局深度解析
一条推文引发热议：DeepSeek是否已落后于Anthropic、OpenAI、月之暗面等对手？本文深度分析大模型竞赛格局变化，解读DeepSeek现状与各家AI公司的竞争态势。
阅读全文 →
·10 分钟
千问3.8 27B实测：一张显卡跑长程编程Agent
千问3.8 27B模型本地部署实测，4bit量化塞进24GB显卡，SGLang推理框架避坑指南，编程、长程任务、剧本拆解全面测试，SWE-bench Pro分数超越Claude Opus，个人可用的本地长程编程模型首次成为现实。
阅读全文 →
·12 分钟
GLM-5.3发布：后训练扩展如何重塑AI编程能力
Z.ai发布GLM-5.3大模型，通过大规模后训练扩展在同一底座上实现编程能力跃迁，在智能体编程任务上达到开源SOTA水平，并在漏洞发现与网络防御领域展现涌现能力。深度解析其技术路线与行业意义。
阅读全文 →
·17 分钟
从Q-learning到PPO：用超级马里奥实战强化学习
系统梳理强化学习从Q-learning到PPO算法的完整演进路径，以超级马里奥为实战案例，涵盖价值方法、策略梯度与近端策略优化原理，附开源代码与人机对战交互体验。
阅读全文 →
·9 分钟
GLM-5.3深度解析：前沿编码能力与涌现网络安全能力
深度解析GLM-5.3模型的前沿编码能力与涌现网络安全能力，探讨其在软件工程、漏洞发现、安全审计等领域的应用潜力，以及社区对安全治理与滥用风险的讨论。
阅读全文 →
·14 分钟
中国大模型霸榜OpenRouter周排行榜背后的原因分析
中国大模型集体登顶OpenRouter周使用量排行榜，DeepSeek、Qwen、Kimi等开源模型凭借极致性价比和技术突破赢得全球开发者青睐，深度解析霸榜背后的原因与行业启示。
阅读全文 →
·13 分钟
Soup CLI：4GB显卡微调80亿参数大模型的开源工具详解
Soup CLI是一款开源命令行工具，通过逐层流式加载技术，让仅有4GB显存的笔记本显卡也能微调Llama-3.1-8B等80亿参数大模型。本文详解其技术原理、实测数据与使用方法。
阅读全文 →
·17 分钟
DeepSeek V4 Flash工具调用死循环问题解析与解决方案
DeepSeek V4 Flash在Ollama Cloud上频繁出现推理死循环（Doom Loop），模型无法正确调用工具并陷入重复输出。本文分析死循环成因，探讨思考块与工具调用的冲突机制，并提供实用的检测与规避方案。
阅读全文 →
