DeepSeek R1 理论概述 | GRPO + RL + SFT

文章预览

作者 | yiha  编辑 | 具身智能之心 原文链接：https://www.unifolm.com/#/post/481 点击下方 卡片 ，关注“ 具身智能之心 ”公众号 本文只做学术分享，如有侵权，联系删文 >> 点击进入→ 具身 ‍ 智能之心 技术交流群 更多干货，欢迎加入国内首个具身智能全栈学习社区 ： 具身智能之心知识星球 (戳我) ， 这里包含所有你想要的。 翻译视频原地址：https://www.bilibili.com/video/BV158FzedEpp?spm_id_from=333.788.videopod.sections _source=dfbcf78000d12107889d1c577759e775 原视频链接：https://www.youtube.com/watch?v=QdEuh2UVbu0 DeepSeek R1 论文的概述，论文地址：https://arxiv.org/abs/2501.12948v1 讲座的知识纲要： 视频主题 主题 ：DeepSeek R1理论概述，涉及GRPO（Group Relative Policy Optimization）、RL（Reinforcement Learning，强化学习）和SFT（Supervised Fine-Tuning，监督微调）。 来源 ：YouTube视频，内容是对DeepSeek R1论文的 ………………………………