GRPO（グループ相対方策最適化）学習ノート
私たちは、Proximal Policy Optimization (PPO) の変種である Group Relative Policy Optimization (GRPO) を紹介します。
DeepSeek
DeepSeek #オープンソースウィーク - 連続5日間の公開
私たちは小さなチームです＠deepseek_aiでAGIを探索しています。
アンドレジ・カルパシーによる大規模言語モデル（LLM）技術の詳細解説（パート1）-【事前学習と推論】
- はじめに - 事前学習データ (インターネット) - トークナイゼーション - ニューラルネットワークの入出力 - ニューラルネットワーク内部 - 推論
DeepSeek Janusシリーズ：統合型多モーダル理解および生成モデル
ヤヌスシリーズ：統合されたマルチモーダル理解および生成モデル
ChatGPT o1 pro と DeepSeek R1 の思考プロセスの比較
DeepSeek R1 対 ChatGPT 01 （私の経験）
DeepSeek R1：X.com ユーザーの評価
Deepseek-r1はオープンソースであり、o1 previewと同等 - @bindureddy
DeepSeek-R1の論文：次世代推論モデルの探求と突破
DeepSeek-R1: 強化学習を用いたLLMにおける推論能力の向上