ブルーアーカイブ
4342 字
11 分钟
献给我的 19 岁
密码保护
请输入密码以查看受保护的内容
分享
如果这篇文章对你有帮助，欢迎分享给更多人！
部分信息可能已经过时
相关文章 智能推荐
1
Research Journey
科研 My weekly research summary
2
Qwen2.5-VL-3B GRPO 训练分析
科研 Reproducing GRPO training for Qwen2.5-VL-3B with EasyR1 and analyzing its performance, stability, and resource usage on Geometry3K.
3
使用 Conda 配置 EasyR1 训练环境
技术 Configure EasyR1 with Conda for Qwen2.5-VL-3B GRPO training on four RTX 3090 GPUs.
4
Qwen2.5-7B-Instruct 部署
技术 A deployment guide for Qwen2.5-7B-Instruct on a multi-GPU Linux server using vLLM
5
RLHF algorithms, from PPO to DAPO
科研 RLHF algorithms including PPO, DPO, GRPO, DAPO