【GRPO】零基础也能看懂的GRPO算法
必看！DeepSeek从入门到精通！普通人对DeepSeek的正确用法
【大白话04】一文理清强化学习PPO和GRPO算法流程 | 原理图解
[LLM+RL] 理解 GRPO 公式原理及 TRL GrpoTrainer 代码实现（advantage 与 loss 计算）
代码实现大模型强化学习(PPO)，看这个视频就够了。
DeepSeek本地RAG知识库(18):数据结构化和清洗详细讲解(小白也能懂)菜谱回答准确率提高至95%
如何把你的 DeePseek-R1 微调为某个领域的专家？（实战篇）
【8】KV Cache 原理讲解
新手使用deepseek harness（DSH）快速入门手册
读R1的训练过程《DeepSeek-R1》论文导读
DeepSeek的6个神仙指令，堪称万能公式！
DeepSeek R1 !!!! 今年最大的收获，是R1给的。
零基础学习强化学习算法：ppo
【AI Warehouse官方】AI学习如何逃脱陷阱（深度强化学习）
DeepSeek最新使用教程（干货满满）
从0到1上手DeepSeek Harness，最全资源玩法一次讲透！
Deepseek R1的7大隐藏提问技巧，可能90%的人用错了
DeepSeek Harness 架构拆解①｜从插件组合到一次请求的完整链路
DeepSeek R1，99%的人还不知道的超绝技巧！
Deep seek R1本地部署超详细教程 Ollama安装路径更改&模型安装路径更改 拒绝c盘爆红 小白看了都能会的最细教程
