#GRPO
共 80 篇相关文章
教程攻略·8 分钟
AI全栈开发入门：从机器学习到大模型的知识体系梳理
系统梳理人工智能、机器学习、深度学习与大模型之间的关系，帮助开发者建立清晰的AI知识脉络，找到从零基础到全栈AI开发的高效学习路径。
阅读全文 →
前沿研究·7 分钟
Cursor Composer 2训练揭秘：分布式强化学习架构全解析
深度解析Cursor如何在Fireworks上训练Composer 2模型，涵盖异步流水线架构、MoE模型数值精度挑战、Router Replay技术、全球分布式GPU集群协同等核心技术方案，揭示AI编程工具从应用公司迈向基础模型公司的关键路径。
阅读全文 →
前沿研究·5 分钟
Cursor Composer 2分布式RL训练技术解析
深度解析Cursor如何通过分布式强化学习训练Composer 2模型，涵盖异步流水线设计、MoE数值对齐、全球权重同步、在线离线RL协同等核心技术细节，揭示AI编程工具从应用到基础模型的转型路径。
阅读全文 →
教程攻略·4 分钟
Codex接入DeepSeek教程：零基础搭建AI智能体完整指南
详细讲解如何将Codex桌面版接入DeepSeek模型，绕过海外账号限制，用20元成本搭建AI智能体。涵盖三种接入方案对比、代理配置、协议兼容等核心步骤，零基础也能轻松上手。
阅读全文 →
教程攻略·7 分钟
DeepSeek本地部署教程：Ollama一键安装运行指南
详细讲解如何通过Ollama在本地部署DeepSeek R1大模型，包括安装步骤、模型版本选择、硬件配置要求及进阶玩法，零基础10分钟搞定私有化AI部署。
阅读全文 →
教程攻略·5 分钟
DeepSeek R1使用教程：提示词技巧与实战指南（2025）
详解DeepSeek R1推理模型使用方法与提示词技巧，涵盖推理模型与通用模型区别、五种需求表达公式、SPECTRAL任务分解法、新手常见误区及知识唤醒策略，助你快速掌握DeepSeek R1高效用法。
阅读全文 →
深度解读·5 分钟
DeepSeek V3.2深度解读：DSA稀疏注意力、强化学习与Agent三大突破
深度解析DeepSeek V3.2与V3.2 Special两款新模型，详解DSA稀疏注意力机制如何加速长文本处理、强化学习计算量达预训练10%、1800种环境的Agent任务合成流水线，附实测体验与GPT-5、Gemini 3.0 Pro对比。
阅读全文 →
产品体验·13 分钟
DeepClaude开源解析：DeepSeek+Claude双模型协同代码生成
深度解析GitHub 2800+ Star开源项目DeepClaude的技术架构。通过DeepSeek R1推理+Claude 3.7 Sonnet代码生成的双模型协同方案，实现更高质量的AI代码输出，附工程实现亮点与局限性分析。
阅读全文 →
教程攻略·9 分钟
OpenAI开源GPT-OSS：16G显存跑O4级模型，部署教程全解析
OpenAI正式开源GPT-OSS系列模型（20B/120B），采用MOE架构+FP4混合精度，单卡4090即可运行O3级推理模型。本文详解核心技术、性能评测及Ollama/vLLM等四种本地部署方案。
阅读全文 →
深度解读·8 分钟
阿里QwQ-32B开源：32B参数如何媲美671B的DeepSeek R1
阿里开源推理模型QwQ-32B仅用32B参数，在多项基准测试中媲美甚至超越DeepSeek R1满血版（671B）。本文深度解析其两阶段强化学习训练策略、性能对比数据，以及强化学习带来的能力涌现现象，揭示小参数模型以小博大的核心秘密。
阅读全文 →
深度解读·8 分钟
强化学习驱动AI推理进化：从模仿者到真正的思考者
深入解析强化学习（RL）、自我博弈（Self-Play）和验证机如何协同驱动大语言模型推理能力进化，帮助AI从模仿人类逻辑的SFT阶段跃迁到具备自主深度推理的System 2思维模式。
阅读全文 →
科技前沿·10 分钟
IBM Think 2025深度解读：推理模型幻觉加剧与OpenAI收购Windsurf
深度解析IBM Think 2025大会发布的生成式计算与Granite 4模型、推理模型幻觉率上升的根本原因，以及OpenAI 30亿美元收购Windsurf背后的垂直整合战略，洞察2025年AI产业关键转折。
阅读全文 →
深度解读·8 分钟
LLM推理能力演进：从思维链到DeepSeek-R1全解析
系统梳理LLM推理能力的技术演进路线，涵盖Chain-of-Thought思维链、Tree-of-Thought、OpenAI o1与DeepSeek-R1推理模型的核心原理与差异，解读开源项目Awesome-LLM-Reasoning的研究趋势洞察。
阅读全文 →
产品体验·9 分钟
Cube Studio：腾讯开源云原生AI平台全面解析
深度解析腾讯音乐开源的Cube Studio云原生AI平台，涵盖分布式训练、大模型微调推理、Pipeline编排、国产化适配等核心能力，助力企业快速构建一站式MLOps基础设施。
阅读全文 →
产品体验·7 分钟
Unsloth：显存优化80%，本地微调大模型的最佳开源工具
Unsloth是GitHub 63K+ Star的开源大模型训练工具，支持Gemma 4、Qwen 3、DeepSeek等主流模型。通过显存优化降低50%-80%显存占用，让RTX 4090也能微调7B模型，提供Web UI一键训练。
阅读全文 →
产品体验·7 分钟
Deep Research Web UI：支持DeepSeek R1的开源AI深度研究助手
Deep Research Web UI是一款开源AI研究助手，支持DeepSeek R1模型，通过迭代式搜索、网页抓取和LLM推理实现自动化深度研究。已获2100+ Star，适用于学术调研、市场分析等场景。
阅读全文 →
科技前沿·9 分钟
Swarm IDE：开源多智能体协作开发环境，1500 Star的Agent编排利器
Swarm IDE 是专为 Agent Swarm 多智能体协作打造的开源 IDE，支持 Kimi-2.5、GLM-4.7 等模型，提供可视化编排、调试和管理能力，GitHub 短时间内收获近 1500 Star。本文深度解析其技术特点与应用前景。
阅读全文 →
产品体验·11 分钟
Cube Studio深度解析：腾讯开源一站式AI平台
深度解析腾讯开源AI平台Cube Studio，涵盖分布式训练、大模型微调推理、Pipeline编排、VGPU虚拟化等核心功能，支持华为昇腾国产生态，助力企业快速搭建云原生MLOps基础设施。
阅读全文 →
