[LLM+RL] R1 论文导读，SFT vs. RL，RL 基础以及 GRPO 细节，以及一系列复现工作讨论
五道口纳什2025.02.1657 分钟3.1 万 播放70 弹幕
编辑手记 · 大模型读完弹幕后的判断
体系完整、推导细致，适合系统理解R1训练流程；无代码且部分术语发音含糊
DeepSeek R1论文精读，讲清SFT与RL关系、PPO/GRPO推导及复现工作争议
- 适合谁
- 想深入理解R1与RLHF的算法学习者
- 前置
- 强化学习基础、策略梯度与PPO
- 难度
- 偏硬 · ●●●●○
- 时效
- 有时效 · 部分工具已变
- 类型
- 教程
同一主题 · DeepSeek R1
36:40教程DeepSeek R1
DeepSeek R1 推理模型 性能调优 收官之作 完全本地部署 保姆级教程 无惧隐私威胁 使用正确的参数 让你的R1快上2倍
参数调优有实测对比和原理讲解，体系完整可复用，适合本地部署玩家照着做。
18:15教程DeepSeek R1
DeepSeek R1 推理模型 完全本地部署 保姆级教程 断网运行 无惧隐私威胁 大语言模型推理时调参 CPU GPU 混合推理 32B 轻松本地部署
流程完整可复现，防火墙断网与混合推理调参有实操价值，配套答疑系列成体系
4:28教程DeepSeek R1
DeepSeek R1 推理模型 一键包 DeepSeek本地部署 全本地部署 保姆级教程 无惧隐私威胁 大语言模型推理时调参 CPU GPU 混合推理！！
一键包降低门槛，但4分钟难讲透原理，依赖私信领包有引流嫌疑