Training

Reflect, Retry, Reward: 大型语言模型的自我进化新范式

Reflect, Retry, Reward: 大型语言模型的自我进化新范式

3 标签
#Reflect, Retry, Reward #LLM #training
2385 字 10 分钟
阅读全文

Reinforced Self-play Reasoning with Zero Data 论文解读

论文介绍了强化自博弈推理的零数据范式，通过自博弈生成任务和验证，实现无需依赖人工标注数据或预设任务的自主学习推理。

3 标签
#AI #论文 #Reinforced
6183 字 25 分钟
阅读全文

Reinforced Self-play Reasoning with Zero Data 论文解读

论文介绍了强化自博弈推理的零数据范式，通过自博弈生成任务和验证，实现无需依赖人工标注数据或预设任务的自主学习推理。

3 标签
#AI #论文 #Reinforced
1 分钟
阅读全文

多智能体强化学习（MARL）在多智能体系统（MAS）中的应用：理论、算法、应用与展望

本文介绍了多智能体强化学习（MARL）在多智能体系统（MAS）中的应用：理论、算法、应用与展望。

7 标签
#AI #多智能体 #强化学习 +4
16955 字 68 分钟
阅读全文

微调

本文介绍了微调的常见挑战及其克服方法，并详细介绍了如何使用Unsloth在消费级GPU上对DeepSeek-R1进行微调。

5 标签
#training #finetuning #DeepSeek-R1 +2
2421 字 10 分钟
阅读全文

Test-Time Scaling 相关论文解读

本文介绍了Test-Time Scaling（测试时扩展）的概念，并对其技术原理、主要贡献、论文方法、评估结果和局限性进行了详细解读。

4 标签
#AI #Test-Time Scaling #论文 +1
5666 字 23 分钟
阅读全文

DeepSeek 微调

本文介绍了如何使用合成推理数据集微调DeepSeek-R1模型.

4 标签
#AI #DeepSeek #论文 +1
345 字 2 分钟
阅读全文

DeepSeek V3 论文解读

本文介绍了深度求索（DeepSeek）公司推出的新一代推理模型DeepSeek-V3，并对其技术原理、主要贡献、论文方法、评估结果和局限性进行了详细解读。

4 标签
#AI #DeepSeek-V3 #论文 +1
1169 字 5 分钟
阅读全文

Simple Test-Time Scaling 论文解读

本文介绍了来自李飞飞团队的Simple Test-Time Scaling论文，并对其技术原理、主要贡献、论文方法、评估结果和局限性进行了详细解读。

5 标签
#opensource #reasoning #SFT +2
2248 字 9 分钟
阅读全文

DeepSeek R1 论文解读

本文介绍了深度求索（DeepSeek）公司推出的新一代推理模型DeepSeek-R1，并对其技术原理、主要贡献、论文方法、评估结果和局限性进行了详细解读。

5 标签
#AI #深度思考 #DeepSeek-R1 +2
7683 字 31 分钟
阅读全文