在GSM8K上比GRPO快8倍！厦大提出CPPO，让强化学习快如闪电
在GSM8K上比GRPO快8倍！厦大提出CPPO，让强化学习快如闪电DeepSeek-R1 的成功离不开一种强化学习算法：GRPO（组相对策略优化）。
来自主题: AI技术研报
5694 点击 2025-04-01 16:16
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
DeepSeek-R1 的成功离不开一种强化学习算法：GRPO（组相对策略优化）。