一个从头实现DeepSeekR1的GRPO算法的项目github.co

蚁工厂 2025-05-19 19:49:19

一个从头实现 DeepSeek R1 的 GRPO 算法的项目

github.com/policy-gradient/GRPO-Zero

该实现的依赖很少，无需依赖 transformers 和 vLLM ，且 GPU 内存占用极低。并在原始 GRPO 算法基础上做了多项改进。

AI创造营

0 阅读：1

感谢大家的关注

作者最新文章

1

电子书《A Commentary on the Sixth Edition Un

2

一个将概率数据结构与媒体编码相结合的项目：通过布隆过滤器进行无损视频压缩gith

3

讽刺项目：用rust重写unix的yes命令（无限输出字母y到屏幕上的一个很简单

4

我们知道deepseek v3开始用fp8方式训练提升了效率,而这篇论文：arx

5

ThinkingInC，一个c语言教程github.com/BruceEckel

6

SQL 之母 - 闯关式 SQL 自学网github.com/liyupi/sq

7

下午传闻要发DeepSeek-V3-0526，还没有啥官方消息Unsloth就迫

8

Chang Luo的技术博客 www.luochang.ink/posts/一个

9

转发抽奖[超话] 转发抽3本的新书《大规模语言模型：从理论到实践（第2版）》

10

warriorjs.com/一个通过游戏来学习js的网站

热门分类

推荐热榜军事 NBA 体育社会明星八卦娱乐财经科技汽车历史国际游戏动漫公益搞笑商业互联网数码国际足球房产家居时尚科学探索职场育儿股票教育影视情感热点中国军情武器中国南海中国足球亚洲杯科比综合体育 CBA 投资楼市大咖秀外汇创业风口 SUV 豪车概念车优惠新能源美国欧洲朝日韩俄罗斯孕期街拍恋爱攻略婚姻正能量

科技TOP

1

一图解读：十款手机配置，各显神通，你更喜欢哪款？

2

以前这样挂着一部手机那是相当时髦的

3

存一张美得很人山人海的（AI

4

4K手机推荐指南，零差评体验！

5

关于华为Pura80全系芯片的真机实测已经出来了，确认为Mate70同款的麒麟9

6

左边是我花了5499国补价买到的iPhone16Pro，右边是苹果直营店里

7

疯了！一夜之间360的市场部员工天塌了！老板周鸿祎半夜发微博，准备干掉3

8

同是骁龙8Gen3，荣耀400Pro还是荣耀Magic6荣耀Magic6和

9

华为官网公布了HarmonyOS5.1系统升级计划。适配范围覆盖旗下全系列重磅

10

拿到Pura80ultra后迫不及待和mate70pro+进行对比图1图2主摄

科技最新文章

1

华为Mate80的配置实在是太诱人！全系都换成直屏了，而且采用侧边超声波指纹

2

在犹豫荣耀300系列跟荣耀Magic7系列如何选？荣耀300系列定位荣耀数字

3

618真的是打疯了啊，某音直播间荣耀Magic6至臻版国补后的价格竟然只有329

4

华为于2024年11月就已经上市了mate70pro，华为mate80Pro也即

5

大学生荣耀手机热卖榜来了！排在前4位分别为：荣耀400、荣耀400Pro、荣耀

6

左边是我花了5499国补价买到的iPhone16Pro，右边是苹果直营店里

7

短短2天，罗马仕态度来了个180度大转弯，6月14日说自己坚持严格品控标准，没想

8

震惊了，到现在还有1000万mate40钉子户！我就是其中之一。这部五年

9

同是骁龙8Gen3，荣耀400Pro还是荣耀Magic6荣耀Magic6和

10

在二手平台看上一台13proMax512G3700多，大家帮忙看看还值不