GRPO
8 статей
44 мин🚀 ИИ-исследователь с нуля: как обучить GLM-5.3-Flash на обычном процессоре
1ч 48м🛠 Кайл Корбитт из CoreWeave: «Мы уже находимся в петле рекурсивного самосовершенствования ИИ»
1ч 51м🚀 Стэнфорд CME295: Итоги 2025 года в мире трансформеров и диффузионных моделей
1ч 51м🔄 Будущее LLM в 2025 году: от авторегрессии к диффузии и аналоговым чипам
1ч 47м🧠 DeepSeek R1 против OpenAI o1: как алгоритм GRPO изменил правила игры в ИИ
1ч 47м🧠 Стэнфорд CME295: Как алгоритм GRPO и DeepSeek R1 изменили логику нейросетей
1ч 16мМеханика обучения моделей: лектор Стэнфорда о GRPO
1ч 20м🚀 Stanford CS336: секреты обучения reasoning-моделей DeepSeek-R1, Kimi и Qwen