【强化学习的数学原理】课程：从零开始到透彻理解（完结）
DeepSeek-MOE原理讲解
DeepSeek-V3 技术报告
读R1的训练过程《DeepSeek-R1》论文导读
【浙江大学-大模型原理与技术】3-2 思维链（CoT, ToT, GPT-o1）
deepseek V3 全网最硬核解读一 MTP与专家负载均衡
Deepseek系列论文解读1【Deepseek-V3】【Deepseek-R1】
【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！
零基础学习强化学习算法：ppo
DeepSeek-R1核心算法GRPO讲解-从强化学习0基础->PPO->GRPO
DeepSeekV4技术报告解读01：mHC原理详解
最好的致敬是学习：DeepSeek-R1 赏析
专业拆解DeepSeek R1模型（上集），从LLM技术路线到损失函数
【大白话04】一文理清强化学习PPO和GRPO算法流程 | 原理图解
逐篇讲解DeepSeek关键9篇论文及创新点——“勇敢者的游戏”
[论文精读] Deepseek r1 (prepare) - RLHF & PPO & GRPO
李宏毅新课：DeepSeek-R1 这类大语言模型是如何进行「深度思考」（Reasoning）的？｜20250426
【精译⚡DeepSeek-R1论文详解】UmarJamil
[LLM+RL] R1 论文导读，SFT vs. RL，RL 基础以及 GRPO 细节，以及一系列复现工作讨论
国产AI大模型 DeepSeekV3 核心技术详解！DeepSeek训练方法便宜在哪？MLA是什么？MoE技术会成为大模型的主流技术？大模型微调
