DeepSeek-AI's GRPO Revolution: Boosting AI Reasoning with New Variants | Byte Goose AI posted on the topic | LinkedIn
linkedin.com
DeepSeek-AI's GRPO Revolution: Boosting AI Reasoning with New Variants | Byte Goose AI posted on the topic | LinkedIn
Picture the scene: It’s early 2024. The world’s leading AI labs are pouring billions of dollars into massive compute clusters, all to make Large Language Models think just a little bit more like humans. They’re using PPO—Proximal Policy Optimization—an algorithm that’s powerful, yes, but it’s a memory hog. It needs a 'critic ...
已浏览 103 次4 个月之前
RLCS
[FULL MATCH] Gentle Mates vs Vitality | RLCS 2026 Boston Major | Playoff
41:01
[FULL MATCH] Gentle Mates vs Vitality | RLCS 2026 Boston Major | Playoff
YouTubeRL Video Replays: Unofficial
已浏览 4.1万 次2 个月之前
[FULL MATCH] Vitality vs NRG | RLCS 2026 Boston Major | Playoff
38:42
[FULL MATCH] Vitality vs NRG | RLCS 2026 Boston Major | Playoff
YouTubeRL Video Replays: Unofficial
已浏览 8.8万 次2 个月之前
BEST OF RLCS BOSTON MAJOR - BEST ROCKET LEAGUE PRO PLAYS 🔥
11:59
BEST OF RLCS BOSTON MAJOR - BEST ROCKET LEAGUE PRO PLAYS 🔥
YouTubeROCKET LEAGUE FX
已浏览 5.9万 次2 个月之前
热门视频
SPPO: Sequence-Level PPO for Long-Horizon Reasoning Tasks
7:37
SPPO: Sequence-Level PPO for Long-Horizon Reasoning Tasks
YouTubeResearch Paper Review
已浏览 129 次1 个月前
Reinforcement Learning 104: Scaling RL (PPO, CISPO & Agent Systems)
14:44
Reinforcement Learning 104: Scaling RL (PPO, CISPO & Agent Systems)
YouTubeColby豆布斯
3 周前
[Hyperbot] Reinforcement Learning - PPO
3:23
[Hyperbot] Reinforcement Learning - PPO
YouTubeVictor Stone
已浏览 4 次1 个月前
Rocket League Montage
ROCKET LEAGUE EPIC SAVES ! (BEST SAVES BY COMMUNITY & PROS)
12:19
ROCKET LEAGUE EPIC SAVES ! (BEST SAVES BY COMMUNITY & PROS)
YouTubeROCKET LEAGUE FX
已浏览 1154.9万 次2017年2月15日
RLCS WORLDS 2025 MONTAGE - BEST ROCKET LEAGUE PRO PLAYS 🔥
18:11
RLCS WORLDS 2025 MONTAGE - BEST ROCKET LEAGUE PRO PLAYS 🔥
YouTubeROCKET LEAGUE FX
已浏览 30.2万 次8 个月之前
The Greatest RLCS Goals and Moments of All Time | EPIC MONTAGE
15:39
The Greatest RLCS Goals and Moments of All Time | EPIC MONTAGE
YouTubeDrarker.
已浏览 39.5万 次2024年1月24日
SPPO: Sequence-Level PPO for Long-Horizon Reasoning Tasks
7:37
SPPO: Sequence-Level PPO for Long-Horizon Reasoning Tasks
已浏览 129 次1 个月前
YouTubeResearch Paper Review
Reinforcement Learning 104: Scaling RL (PPO, CISPO & Agent Systems)
14:44
Reinforcement Learning 104: Scaling RL (PPO, CISPO & Agent Systems)
3 周前
YouTubeColby豆布斯
[Hyperbot] Reinforcement Learning - PPO
3:23
[Hyperbot] Reinforcement Learning - PPO
已浏览 4 次1 个月前
YouTubeVictor Stone
RL - Episode 3 — Policy Gradients
9:00
RL - Episode 3 — Policy Gradients
已浏览 11 次3 周前
YouTubeIntuition Lab
PPO Pong RL
0:46
PPO Pong RL
1 周前
YouTubeDouglas Wickert
SPPO: Efficient Sequence-Level LLM Reasoning
4:05
SPPO: Efficient Sequence-Level LLM Reasoning
已浏览 12 次1 个月前
YouTubeAI Research Roundup
The RL Fine-Tuning Playbook: CoreWeave's Kyle Corbitt on GRPO, Rubrics, Environments, Reward Hacking
1:48:43
The RL Fine-Tuning Playbook: CoreWeave's Kyle Corbitt on GRPO, Rubrics, Environments, Reward Hacking
已浏览 3.5万 次2 周前
YouTube
Advanced Concepts in Large Language Models. RL / SFT / MHA / GQA / RoPE, RLVR / DPO/ GRPO Arch
5 个月之前
linkedin.com
15:55
Policy Optimization & TRPO & PPO | RL原理讲解系列 #3
已浏览 25 次8 个月之前
YouTubeUp-Fei
3:07:00
如何直观理解PPO算法?博士详解近端策略优化算法原理 公式推导 训练实例！强化学习、深度强化学习、李宏毅
已浏览 1.4万 次2024年9月25日
bilibili迪哥AI研习社
33:53
【PPO】【已完结】PPO第二部分 完整实现和代码解读
已浏览 1.1万 次5 个月之前
bilibili东川路第一可爱猫猫虫
3:01:17
这绝对是B站强化学习PPO算法天花板教程！原理推导 算法实现 项目实战，全程干货讲解！零基础小白都能轻松学会！（深度学习 | 强化学习）
已浏览 2.3万 次8 个月之前
bilibili唐宇迪深度学习
42:32
easyRL_5近端策略优化（PPO）
已浏览 221 次3 个月之前
bilibili木可加
7:50
近端策略优化算法 PPO（Proximal Policy Optimization Algorithms）
已浏览 274 次6 个月之前
bilibili小迪学AI
2:08:28
如何实现ppo算法？这是我见过最强的强化学习PPO算法教程！同济大佬通俗讲解深度强化学习近端策略优化(PPO)算法！
已浏览 6032 次2023年11月10日
bilibili人工智能AI课程
22:03
Proximal Policy Optimization (PPO) for LLMs Explained Intuitively
已浏览 29 次2025年5月6日
bilibili哎吧星
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
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 1.5万 次6 个月之前
bilibili东川路第一可爱猫猫虫
近端策略优化算法(PPO)：RL最经典的博弈对抗算法之一「AI核心算法」-腾讯云开发者社区-腾讯云
2020年12月14日
tencent.com
17:50
Proximal Policy Optimization Explained
已浏览 7.9万 次2021年5月20日
YouTubeEdan Meyer
11:05
AI Learns to Park - Deep Reinforcement Learning
已浏览 310.4万 次2019年8月23日
YouTubeSamuel Arzt
13:45
An Introduction to Proximal Policy Optimization (PPO) in Deep Reinforcement Learning
已浏览 1.8万 次2019年6月3日
YouTubeUdacity-DeepRL
35:01
Let's Code Proximal Policy Optimization
已浏览 1.8万 次2021年5月28日
YouTubeEdan Meyer
24:52
强化学习从原理到实践 第9章 PPO算法
已浏览 5943 次2025年5月7日
bilibili蓝斯诺特
29:04
Introduction to Proximal Policy Optimization algorithm (PPO)
已浏览 1.3万 次2020年3月31日
YouTubePython Lessons
1:31:57
近端策略优化（PPO）算法
已浏览 1.7万 次2025年1月8日
bilibili蒋一讲AI
1:02:47
Proximal Policy Optimization (PPO) is Easy With PyTorch | Full PPO Tutorial
已浏览 8.7万 次2020年12月24日
YouTubeMachine Learning with Phil
22:03
全网最好的PPO教程-前谷歌研究员深度讲解
已浏览 403 次7 个月之前
bilibiliAI2060
展开