Tags: #grpo

RL笔记（29）：推理模型的崛起 (GRPO & PRM)

大模型训练的新范式：详解 DeepSeek 提出的 GRPO 如何彻底省去 Critic 网络，以及 PRM 如何通过过程监督让模型学会正确推理。

7 min read