练习两天半，从零实现DeepSeek-R1（基于Qwen2.5-0.5B和规则奖励模型，GRPO），从原理讲解到代码实现，解开DeepSeek-R1的神秘面纱
【大白话03】一文理清强化学习RL基本原理 | 原理图解+公式推导
零基础学习强化学习算法：ppo
只需一句提示词！让DeepSeek Harness 在 MATLAB 中写代码、运行仿真、自动分析结果
从零开始手撕微调代码（deepseek-r1蒸馏模型），并且本地运行和调试，无需联网。
【清华大学】DeepSeek从入门到精通，全程干货无废话！让你少走99%的弯路！（三联教学费，白嫖学不会）逼自己一周学完，AI大模型技术猛涨！
DeepSeek R1 推理模型 一键包 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
【DeepSeek教程】清华大学带你从入门到精通，全程干货无废话！少走99%的弯路！存下吧！很难找全的！
【GRPO】零基础也能看懂的GRPO算法
【TRPO算法】强化学习一头撞死：学过ppo，grpo，dpo，dapo，没听过这是啥？
如何把你的 DeePseek-R1 微调为某个领域的专家？（实战篇）
深度强化学习 PPO 纯白板逐行代码Python实现
LLM+MCP+RAG实战-从0无框架实现极简Agent客户端 OpenAI/智能体/大模型/AI/DeepSeek
一个适合入门强化学习的项目 代码讲解
研0和研1怎么快速找到论文代码并且复现模型代码？20分钟事无巨细的教会你！-深度学习/机器学习/神经网络
Deepseek R1的7大隐藏提问技巧，可能90%的人用错了
代码实现大模型强化学习(PPO)，看这个视频就够了。
Unsloth微调DeepSeek-R1蒸馏模型 - 构建医疗专家模型
DeepSeek R1 !!!! 今年最大的收获，是R1给的。
保姆级教程！教你搭建一个纯本地、可联网、带本地知识库的私人 DeepSeek？
