强化第4页

【DeepSeek】一文详解GRPO算法——为什么能减少大模型训练资源？

FF-Studio·2025-02-17 20:19

APO v0.7.0 更新：日志功能完整版发布！

·2025-02-17 15:44

景联文科技医疗数据处理平台：强化医疗数据标注与管理，推动医疗数字化新篇章

随着医疗科技快速进步与广泛应用，医疗信息的规模正在迅速扩张，如何有效管理这些医疗数据成为了关键议题。医疗数据不仅包括传统的纸质病历，还有电子病历、实验室检测结果、医学影像等多样化的数字信息。为确保这些数据能为临床决策、科研分析和患者护理提供有力支持，需要由具备专业知识的医学专家来进行处理。景联文科一站式医疗数据处理平台，旨在为医生提供高效、准确的数据标注工具，有效支持医生进行高质量标注工作。景联文

景联文科技·2025-02-17 00:34

揭秘DeepSeek内幕：清华教授剖析AI模型技术原理

在本文中，清华大学长聘副教授将深入剖析DeepSeekR1背后的大规模强化学习技术及其基本原理，并进一步展望大模型技术未来的发展方向。

大模型.·2025-02-16 19:23

DeepSeek正重构具身大模型和人形机器人赛道！

2024年1月20日，公司发布全球首个完全通过强化学习训练的专注于推理任务的高性能语言模型DeepSeek-R1

Robot251·2025-02-16 17:12

2020徐涛背诵笔记电子版pdf_徐涛、腿姐背诵笔记使用指南、汤家凤、张宇10月复习规划...

1.徐涛：《背诵笔记》使用指南冲刺背诵笔记只有《核心考案》30%的内容，却包含着100%的考点，后期主要用来进行知识点的巩固和强化。(1)仔细阅读书的前言，各种标示的意思，里面都写的非常清楚！

想要未知的疯狂·2025-02-16 15:59

Android架构开发进阶指南，Android Jetpack Compose强化实战_android compose架构

在我们日常的开发中，如果所有人各自为战，没有统一规范，久而久之，项目代码会变得混乱且后续难以维护。而这时，许多人就会使用Jetpack这个由多个库组成的套件，来减少样板代码，以便将精力更多的集中于重要的编码工作上面。统一的架构模式通常会给我们带来诸多好处，如：统一开发规范，使得代码整洁、规范，后续易于维护及扩展提高开发效率(尤其在团队人员较多时)模块单一职责，使得模块专注自己内部(面向对象)，模块

2401_84537646·2025-02-16 08:05

DeepSeek-R1-Zero 与 DeepSeek-R1 的异同与优劣分析

DeepSeek-R1-Zero与DeepSeek-R1的异同与优劣分析一、相同点核心训练方法：两者均基于强化学习（RL），采用GroupRelativePolicyOptimization（GRPO）

AI生成曾小健·2025-02-16 04:34

《深度Q网络优化：突破高维连续状态空间的束缚》

在人工智能的发展历程中，深度Q网络（DQN）作为强化学习与深度学习融合的关键成果，为解决复杂决策问题开辟了新路径。

·2025-02-15 18:22

DQN的原理和代码实现

文章目录1.概述2.DQN的训练步骤2.1初始化2.2训练循环2.3终止条件2.4评估3.代码示例1.概述深度Q网络（DeepQ-Network,DQN）是强化学习中的一种重要算法，由GoogleDeepMind

SmallerFL·2025-02-15 15:23

DQN原理和代码实现

参考：王树森《强化学习》书籍、课程、代码1、基本概念折扣回报：Ut=Rt+γ⋅Rt+1+γ2⋅Rt+2+⋯+γn−t⋅Rn.U_t=R_t+\gamma\cdotR_{t+1}+\gamma^2\cdotR

KPer_Yang·2025-02-15 14:20

强化学习在机器人控制中的应用：从理论到实践

强化学习在机器人控制中的应用：从理论到实践大家好，我是你们熟悉的人工智能与Python领域自媒体创作者Echo_Wish。今天我们来聊聊一个炙手可热的话题——强化学习在机器人控制中的应用。

Echo_Wish·2025-02-15 13:08

X-R1 项目代码文件的详细剖析并精读rewards、grpo、x_grpo_trainer（src/x_r1）

这个项目名为[X-R1](https://github.com/dhcode-cpp/X-R1)，是一个基于强化学习的训练框架，旨在构建一个易于使用、低成本的训练框架，以加速ScalingPost-Training

仙人掌_lz·2025-02-15 12:34

Python深度学习代做目标检测NLP计算机视觉强化学习

了解您的需求，您似乎在寻找关于Python深度学习领域的代做服务，特别是在目标检测、自然语言处理（NLP）、计算机视觉以及强化学习方面。以下是一些关于这些领域的概述以及寻找相关服务的建议。

matlabgoodboy·2025-02-15 10:43

Bengio新作Aaren：探索Transformer性能与RNN效率的融合

实验表明，Aaren在四个流行的序列问题设置（强化学习、事件预测、时间序列分类和时间序列预测）的38个数据

AI记忆·2025-02-15 03:17

先进制造aps专题二十九基于ai智能体的生产排程和工厂生产仿真引擎的设计

再在工厂仿真引擎里仿真执行，这样可以预先分析计划和执行的差异情况并进行调整优化这里的产生生产计划，仿真生产执行和数据分析都是人工进行的这些工作可以让ai智能体来做，从而实现整套流程的自动化和智能化我们可以在强化学习框架中结合排产仿真

lijianhua_9712·2025-02-14 21:02

DeepSeek R1：引领未来教育革命的自适应学习路径规划系统

随着人工智能技术的进步，特别是深度学习和强化学习的应用，我们能够更加精准地识别学习者的需求，并据此设计出最适合他们的学习路径。利用先进的算法和模型来实现对学习路径的智能化管理。

Coderabo·2025-02-14 18:38

DeepSeek从入门到精通：通用AI工具的技术实践指南

以下是其核心特性：国产化：完全自主研发的大模型免费开源：可商用且无授权限制多模态能力：支持文本、代码、图像等多种任务推理强化：在逻辑分析、数学推导等任务中表现突出2.DeepSeek能做什么？

星辰@Sea·2025-02-14 16:25

华为 ADS 3.0 与特斯拉 FSD V12：自动驾驶技术的巅峰对决与未来展望

激光雷达实现环境三维重建和精确测距，在恶劣条件下仍能准确捕捉物体信息；高分辨率摄像头获取视觉信息；毫米波雷达在极端天气下强化对移动物体探测；超声波传感器辅助近距离障碍物检测。

中科宁图·2025-02-14 16:25

听力熊Teeni.AI全面接入DeepSeek大模型，顶尖科学家张驰加盟强化技术壁垒

近日，国内青少年智能硬件头部品牌听力熊（Teeni.AI）宣布两大重要进展：全面接入DeepSeek大模型，并引入西湖大学AGI实验室创始人、AI科学家张驰出任首席科学家兼CTO。这两项动作标志着听力熊在技术研发与人才战略上的双重突破，进一步巩固其在青少年AI教育硬件领域的领先地位。DeepSeek技术落地：7天完成适配，打造“共同进化”交互体验作为国内最早将AI技术应用于青少年场景的科技企业，听

·2025-02-14 13:18

Deepseek背后的强化学习RL入门理解和Python脚本实现

强化学习简单原理强化学习是一种让智能体通过与环境的交互来学习最优行为策略的方法。想象一下，你有一只小狗，你想让它学会自己找到回家的路。

大F的智能小课·2025-02-14 12:54

DeepSeek正重构人形机器人和具身大模型赛道！

2024年1月20日，公司发布全球首个完全通过强化学习训练的专注于推理任务的高性能语言模型DeepSeek-R1

Robot251·2025-02-14 10:38

【AI论文】使用大型推理模型进行竞技编程

摘要：我们的研究表明，将强化学习应用于大型语言模型（LLMs）能显著提升复杂编码和推理任务的性能。

东临碣石82·2025-02-13 23:06

定了，2025年数据库运维就这样干

一、强化巡检，防患未然数据库的稳定运行离不开日常的精心呵护。2025年，我们将进一步加强巡检工作，利用专业工具和自主研发的系统，对数据库进行全面“体检”。不仅关注数据

我科绝伦（Huanhuan Zhou）·2025-02-13 22:57

【必看】凭啥？DeepSeek如何用1/179的训练成本干到GPT-4o 98%性能

其核心策略包括减少监督微调（SFT）步骤，仅依赖强化学习（RL）技术。DeepSeek-R1-Zero版本完全跳过SFT，仅通过RL进行训练。

大F的智能小课·2025-02-13 21:51

书籍-《强化学习数学基础》

书籍：MathematicalFoundationsofReinforcementLearning作者：赵世钰出版：Springer编辑：陈萍萍的公主@一点人工一点智能下载：书籍下载-《强化学习数学基础

·2025-02-13 20:48

Hello Robot 推出Stretch 3移动操作机器人，赋能研究与商业应用

Stretch3有多项更新，包括快速更换式手腕、安装在手腕上的摄像头以及强化的材料。Stretch3移动操作机器人主要

欣佰特cnbestec·2025-02-13 19:03

强化学习算法：蒙特卡洛树搜索 (Monte Carlo Tree Search) 原理与代码实例讲解

强化学习算法：蒙特卡洛树搜索(MonteCarloTreeSearch)原理与代码实例讲解关键词：蒙特卡洛树搜索,强化学习,决策树,搜索算法,博弈策略,应用场景,代码实现1.背景介绍1.1问题由来强化学习

杭州大厂Java程序媛·2025-02-13 07:02

Java与智能家居安全：保障智能家居系统的安全性

2.强化认证和授权：使用Java编写程序来实现强化的认证和授权机制。确保只有经过授权的用户可以访问和控制智能家

Coder_Kevin_Vans·2025-02-13 04:11

普惠AI 如何在 Anolis OS 8 上部署生产可用的 DeepSeek 推理服务

背景介绍DeepSeek-R1DeepSeek-R1在后训练阶段大规模使用了强化学习技术，在仅有极少标注数据的情况下，极大提升了模型推理能力。

·2025-02-12 17:52

YOLOv8改进策略【Neck】| NeurIPS 2023 融合GOLD-YOLO颈部结构，强化小目标检测能力

将其应用于YOLOv8的改进过程中，能够使模型更有效地整合多尺度特征，减少信息损失，强化对不同大小目标物体的特征表达，从而提升模型在复杂场景下对目标物体的检测精度与定位准确性。专栏

Limiiiing·2025-02-12 09:31

手把手教学，DeepSeek-R1微调全流程拆解

手把手教学，DeepSeek-R1微调全流程拆解原创极客见识GeekSavvy2025年02月09日09:02广东DeepSeek通过发布其开源推理模型DeepSeek-R1颠覆了AI格局，该模型使用创新的强化学习技术

AI生成曾小健·2025-02-12 05:01

对DeepSeek-R1通过强化学习提升大型语言模型推理能力的技术原理解析

强化学习基础•基本概念：强化学习是一种机器学习方法，智能体（模型）通过与环境进行交互，根据环境反馈的奖励信号来学习最优的行为策略。

一只贴代码君·2025-02-12 02:12

【专题】DeepSeek颠覆性在于实现AI平权、惊艳世界，算力与应用将迎来结构性变化报告汇总PDF洞察（附原数据表）

DeepSeek-R1的出现是个大事件，它在技术创新方面，通过独特的强化学习与蒸馏技术，在性能上逼近国际领先模型。

·2025-02-11 21:14

网络安全理清安全边界

数字中国建设整体框架《规划》首次明确数字中国建设整体框架，按照“2522”框架进行布局，即夯实数字基础设施和数据资源体系“两大基础”，推进数字技术与经济、政治、文化、社会、生态文明建设“五位一体”深度融合，强化数字技术创新体系和数字安全屏障

网络安全Jack·2025-02-11 15:48

DeepSeek R1 简易指南：架构、本地部署和硬件要求

DeepSeek-R1-Zero证明了纯粹的强化学习是可行的，而DeepSeek-R1则展示了如何将监督学习与强化学习相结合，从而创建出能力更强、更实用的模型。

·2025-02-11 12:49

YOLOv8改进策略【Neck】| TPAMI 2024 FreqFusion 频域感知特征融合模块解决密集图像预测问题

将FreqFusion应用于YOLOv8的改进过程中，能够使模型在处理复杂场景图像时，更精准地聚焦目标物体边界，减少背景噪声干扰，显著强化目标物体边界特征表达，进而提升模型在

Limiiiing·2025-02-11 09:37

『大模型笔记』国外大神对DeepSeek R1的科普！

强化学习（新的规模定律？）模型蒸馏（新的规模定律？）2025年的预测地缘政治：Distealing结论讨论二

AI大模型前沿研究·2025-02-11 09:02

从零开始：用Python手写神经网络

从图像识别到自然语言处理，再到强化学习，神经网络的身影无处不在。然而，对于许多初学者来说，神经网络似乎是一个神秘而复杂的黑盒子。

WHCIS·2025-02-11 08:27

AI分支知识之机器学习，深度学习，强化学习的关系

机器学习，深度学习，强化学习的关系这一篇文章我们来探讨下AI领域中机器学习（ML）、深度学习（DL）和强化学习（RL）的关系。

王钧石的技术博客·2025-02-11 08:55

强化学习关键技术：重要性采样深度剖析

目录一、引言二、重要性采样基本原理（一）什么是重要性采样（二）重要性采样在强化学习中的作用三、判断采样好坏的方法（一）偏差（Bias）（二）方差（Variance）（三）有效样本数量（EffectiveSampleSize

进一步有进一步的欢喜·2025-02-11 08:21

DeepSeek R1为什么能

DeepSeekR1模仿人类思考方式的核心在于其纯强化学习训练方式，这种方式更接近人类通过试错和反馈来学习的过程。与GPT等传统模型依赖大量标注数据进行监督学习不同，Dee

森焱森·2025-02-11 03:48

大模型入门（六）—— RLHF微调大模型

2）训练奖励模型奖励模型是输入一个文本序列，模型给出符合人类偏好的奖励数值，这个奖励数值对于后面的强化学习训练非常重要。构建奖励模型的训练数据一般是同一个数据用不同的语言模型生成结果，然后人工打分。

LLM.·2025-02-10 23:17

项目质量管理体系及保证措施

项目质量管理体系的核心是建立标准化流程、强化全员参与意识、实施动态监控机制。其中，标准化流程是质量管理的基石。例如，某全球500强企业通过引入ISO9001体系，将项目缺陷率降低了37%。

·2025-02-10 22:49

openssl源码编译输出库-guidance-傻瓜式教程

快速链接:.个人博客笔记导读目录(全部)付费专栏-付费课程【购买须知】:密码学实践强化训练–【目录】目标：下载openssl源码编译输出目标版本，例如使用AndroidNDK编译输出Android使用的

代码改变世界ctw·2025-02-10 13:53

汽车自动驾驶AI

决策系统：基于感知数据，AI通过深度学习、强化学习等算法进行路径规划和决策控制。例如，利用

pps-key·2025-02-10 07:00

大模型学习笔记 - LLM 对齐优化算法 DPO

训练的目标是语言模型损失，任务是nexttokenprediction，生成的token不可控，为了让大模型能生成符合人类偏好的答案(无毒无害等）一般都会进行微调和人类对齐，通常采用的方法是基于人类反馈的强化学习方法

JL_Jessie·2025-02-10 03:54

一切皆是映射：域适应在DQN中的研究进展与挑战

1.背景介绍1.1深度强化学习与域适应的邂逅深度强化学习(DeepReinforcementLearning,DRL)在近年来取得了瞩目的成就，从Atari游戏到围棋，再到机器人控制，其强大的学习能力令人惊叹

AI天才研究院·2025-02-10 00:33

DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning论文解读

文章目录前言一、摘要二、引言三、贡献1.贡献后训练：基础模型的大规模强化学习蒸馏：较小的模型也可以很强大2.评估结果概览reasoningtasksknowledgeohters四、方法1.Overview2

tangjunjun-owen·2025-02-09 23:54

DeepSeek-R1 原理解析及 Linux 本地部署详细教程

二、DeepSeek-R1原理解析2.1强化学习训练DeepSeek-R1系列模型借助强化学习进行训练，这是其具备强大推理能力的

power-辰南·2025-02-09 12:05

推荐频道

强化