开源雷达国内 GitHub 镜像站
加速通道已就绪 返回列表
全部项目

policy-gradient/GRPO-Zero

Implementing DeepSeek R1's GRPO algorithm from scratch

语言：Python · GitHub 星标：1,911 · Fork：103

在 GitHub 上查看原仓库

正在读取项目信息…