学术

从理论到代码剖析DeepSeek-R1：从PPO到Reinforce++，再对比GRPO

作者

MLNLP是国内外知名的人工智能社区，致力于促进机器学习与自然语言处理领域的学术交流和技术进步。文章讨论了Reinforce++和GRPO作为PPO变体的应用及其改进，包括去除critic模型、使用远程奖励模型以及在GRPO基础上优化KL估计方法等技术进展。

DeepSeek官方发布R1模型推荐设置，这才是正确用法

作者

MLNLP社区是一个国内外知名的机器学习与自然语言处理社区，旨在促进学术界、产业界和爱好者的交流与进步。近日，DeepSeek推荐了其官方部署设置，包括不使用系统提示词、温度参数设置为0.6等建议。