#DeepSeek-Math
共 5 篇相关文章
·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 →
·7 分钟
开源AI数学推理能力评估：最新进展与核心挑战
深入分析开源AI模型在数学推理任务上的最新进展，探讨数据污染、基准饱和等评估挑战，以及形式化验证、思维链等前沿方法如何推动更客观的数学能力衡量体系。
阅读全文 →
·9 分钟
Kimi K2/K3技术猜想：强化学习超参数与多教师蒸馏深度解析
深入解析Kimi K2/K3模型训练中强化学习超参数调优的核心挑战，以及9策略多教师蒸馏的技术逻辑与潜在价值，探讨大模型训练从参数规模竞赛转向训练工艺精细比拼的前沿趋势。
阅读全文 →
语音驱动几何交互：LLM语义解析与Function Calling架构实践
·6 分钟
语音驱动几何交互：LLM语义解析与Function Calling架构实践
如何用LLM将自然语言指令转化为几何操作？本文拆解语音驱动几何交互系统的核心架构：LLM负责语义解析与意图路由，Function Calling连接几何SDK执行精确计算，附模型选型与分层设计落地建议。
阅读全文 →
·10 分钟
SFT无法修复JSON错误的根因：GRPO正确性训练如何突破编码Agent瓶颈
深入分析为什么监督微调(SFT)无法解决编码Agent的JSON格式错误问题，以及GRPO(群组相对策略优化)如何通过二元奖励信号和推理权重同步机制，直接针对输出正确性训练，实现从"几乎正确"到"完全正确"的跨越。
阅读全文 →