HOURAHEADAI笔记

登录 / 注册

10/18

← 回到地图

S

Sebastian Raschka关注

关系在地图上看他从哪来 →

要闻

21:24Sebastian Raschka 发布 Reasoning From Scratch 第8讲，讲蒸馏作为强化学习训练的高效替代（Qwen3-0.6B）𝕏

21:13Sebastian Raschka 发布 RLVR 第2期视频，讲 GRPO 的 clipped policy ratio、KL loss、format reward 与熵跟踪（MATH-500）𝕏

21:13Sebastian Raschka 发布 RLVR 第二轮教程，讲解 GRPO 的 clipped policy ratios、KL loss term 与 format rewards（MATH-500）𝕏

05:37Sebastian Raschka：AI 销售代理可能黑掉客户，这正是开源软件可被审查的理由 𝕏

更多昨天 1 · 更早 5

昨天

发布 Reasoning From Scratch 第8讲，讲蒸馏作为强化学习训练的高效替代（Qwen3-0.6B）𝕏

更早

10/10

发布 RLVR 第二轮教程，讲解 GRPO 的 clipped policy ratios、KL loss term 与 format rewards（MATH-500）𝕏

10/05

回复AI 销售代理可能黑掉客户，这正是开源软件可被审查的理由𝕏

10/03

回复0.6B 模型做 GRPO 实验效果很好𝕏

10/03

回复GRPO 从零实现的小默认设置可在单 GPU 运行𝕏

10/03

回复GRPO 代码实现已用于训练出相当扎实的模型𝕏

近三个月的发言订阅后才能看。去订阅

HOURAHEAD关于 · 往期 · 2026-10-18 18:37