DeepSeekMath 7B: Open-Source Math Model Surpasses GPT-4 | Byte Goose AI posted on the topic | LinkedIn
linkedin.com
DeepSeekMath 7B: Open-Source Math Model Surpasses GPT-4 | Byte Goose AI posted on the topic | LinkedIn
Today, we’re tackling what has long been considered the 'final boss' for Large Language Models: Mathematical Reasoning. how to build GRPO from scratch.For a long time, if you wanted an AI that could solve competition-level math problems, you had to rely on massive, closed-source giants like GPT-4. But a new paper is challenging that status ...
已浏览 115 次1 个月前
PPO Algorithm Explained
MSN
5:48
MSN
MSNRetirement Daily on The
2024年9月17日
零基础学习强化学习算法：ppo
31:01
零基础学习强化学习算法：ppo
bilibiliRethinkFun
已浏览 22.2万 次2024年6月10日
7-PPO算法原理与实验实现
36:49
7-PPO算法原理与实验实现
bilibilikindlytrees
已浏览 729 次2024年9月19日
热门视频
🔍 Understanding Proximal Policy Optimization (PPO) Advanced Reinforcement Learning for AI
0:39
🔍 Understanding Proximal Policy Optimization (PPO) Advanced Reinforcement Learning for AI
YouTubeChain
已浏览 33 次3 个月之前
Proximal Policy Optimization (PPO) with Contra
Proximal Policy Optimization (PPO) with Contra
YouTubeViệt Nguyễn AI
已浏览 6353 次2021年2月21日
2 Proximal Policy Optimization李宏毅深度强化学习(国语)课程(2018)(英语字幕)English subtitles
41:33
2 Proximal Policy Optimization李宏毅深度强化学习(国语)课程(2018)(英语字幕)English subtitles
YouTubeDeep learning laboratory
已浏览 1017 次2019年2月25日
Reinforcement Learning PPO
EPO vs PPO-違いと比較 - ブログ 2026
EPO vs PPO-違いと比較 - ブログ 2026
weblogographic.com
5 个月之前
[Reinforcement Learning] TRPO - Fighting approximation error! Limiting update range with KL diver...
[Reinforcement Learning] TRPO - Fighting approximation error! Limiting update range with KL diver...
YouTubeAIcia Solid Project
已浏览 1302 次1 个月前
Training a Robot to Walk Toward a Door | Reinforcement Learning (PPO) #reinforcementlearning
6:41
Training a Robot to Walk Toward a Door | Reinforcement Learning (PPO) #reinforcementlearning
YouTubeBouncy Simulation Videos
已浏览 1 次2 个月之前
🔍 Understanding Proximal Policy Optimization (PPO) Advanced Reinforcement Learning for AI
0:39
🔍 Understanding Proximal Policy Optimization (PPO) Advanced Rei…
已浏览 33 次3 个月之前
YouTubeChain
Proximal Policy Optimization (PPO) with Contra
Proximal Policy Optimization (PPO) with Contra
已浏览 6353 次2021年2月21日
YouTubeViệt Nguyễn AI
2 Proximal Policy Optimization李宏毅深度强化学习(国语)课程(2018)(英语字幕)English subtitles
41:33
2 Proximal Policy Optimization李宏毅深度强化学习(国语)课程(2018)( …
已浏览 1017 次2019年2月25日
YouTubeDeep learning laboratory
[双语字幕] 2/3 Proximal Policy Optimization Implementation
12:36
[双语字幕] 2/3 Proximal Policy Optimization Implementation
已浏览 27 次2025年3月13日
bilibili89270639239_bili
[论文精读] Deepseek r1 (prepare) - RLHF & PPO & GRPO
27:35
[论文精读] Deepseek r1 (prepare) - RLHF & PPO & GRPO
已浏览 1.3万 次2025年3月10日
bilibili酸果酿
近端策略优化算法 PPO（Proximal Policy Optimization Algorithms）
7:50
近端策略优化算法 PPO（Proximal Policy Optimization Algorithms）
已浏览 274 次4 个月之前
bilibili小迪学AI
【PPO】【已完结】PPO第二部分 完整实现和代码解读
33:53
【PPO】【已完结】PPO第二部分 完整实现和代码解读
已浏览 8723 次3 个月之前
bilibili东川路第一可爱猫猫虫
29:08
Proximal Policy Optimization is Easy with Tensorflow 2 - PPO Tut…
已浏览 307 次2022年5月6日
bilibiliMrJ-Michael
53:45
强化学习策略梯度之proximal policy optimization PPO理论与代码（上）
已浏览 1万 次2022年3月26日
bilibiliStevensong铁维
14:58
【IJCAI 2024 论文汇报】ClothPPO: 一种基于近端策略优化的机器人布 …
已浏览 874 次2024年8月20日
bilibiliVPX_Lab
22:03
Proximal Policy Optimization (PPO) for LLMs Explained Intuitively
已浏览 22 次10 个月之前
bilibili哎吧星
9:51
Reinforcement Learning behind Humanoid Robot Explained
已浏览 1.3万 次2025年1月11日
YouTubeAGI Lambda
38:24
Proximal Policy Optimization (PPO) - How to train Large Language Mod…
已浏览 140 次3 个月之前
bilibilibender2016
21:53
强化学习chapter8:on-policy prediction with approximation
已浏览 690 次2023年11月11日
bilibili小姚-Evelyn
25:51
[双语字幕] 1/3 Proximal Policy Optimization Implementation 11 C…
已浏览 72 次2025年3月13日
bilibili89270639239_bili
1:02:47
PyTorch论文复现 | Proximal Policy Optimization (PPO)
已浏览 9552 次2021年7月20日
bilibili深度强化学习实验室
16:12
《强化学习》第9章 On-policy Prediction with Approximation 函 …
已浏览 1197 次11 个月之前
bilibiliLLM张老师
19:50
深度强化学习之策略梯度方法与近似策略优化(PPO)
已浏览 5775 次2018年10月2日
bilibili爱可可-爱生活
19:25
【PPO】从零到深入(1) 从梯度本质看 PPO的裁剪目标函数
已浏览 1.2万 次4 个月之前
bilibili东川路第一可爱猫猫虫
59:51
On-policy Prediction with Approximation
已浏览 407 次2021年1月3日
bilibili阿亮算法
39:30
强化学习策略梯度之Proximal Policy Optimization PPO理论与代码（二）
已浏览 4766 次2022年3月27日
bilibiliStevensong铁维
17:50
Proximal Policy Optimization Explained
已浏览 55 次2022年2月28日
bilibili人工智能基地
11:47
Automated Lane Change Strategy using Proximal Policy Optimizatio…
已浏览 138 次2023年6月27日
bilibilibili_CCIOT
3:19
Deep Learning Cars
已浏览 1166.2万 次2016年10月23日
YouTubeSamuel Arzt
7:08
Adam Optimization Algorithm (C2W2L08)
已浏览 26.3万 次2017年8月25日
YouTubeDeepLearningAI
1:01
Proximal Policy Optimization (PPO) for LLMs Explained Intuitively_par…
已浏览 3 次10 个月之前
bilibili哎吧星
19:50
【中英双语】An introduction to Policy Gradient methods - Deep R…
已浏览 90 次2025年3月14日
bilibili说封道
12:38
[双语字幕] 3/3 Proximal Policy Optimization Implementation
已浏览 61 次2025年3月13日
bilibili89270639239_bili
11:05
AI Learns to Park - Deep Reinforcement Learning
已浏览 309.8万 次2019年8月23日
YouTubeSamuel Arzt
观看更多视频
静态缩略图占位符