读R1的训练过程《DeepSeek-R1》论文导读
DeepSeek-MOE原理讲解
最好的致敬是学习：DeepSeek-R1 赏析
零基础学习强化学习算法：ppo
专业拆解DeepSeek R1模型（上集），从LLM技术路线到损失函数
【浙江大学-大模型原理与技术】3-2 思维链（CoT, ToT, GPT-o1）
【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！
【完整版】硬核讲解：一个视频彻底了解大模型的原理，从输入层到输出层
【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
DeepSeek-R1核心算法GRPO讲解-从强化学习0基础->PPO->GRPO
动画理解Pytorch 大模型分布式训练技术 DP，DDP，DeepSpeed ZeRO技术
【强化学习的数学原理】课程：从零开始到透彻理解（完结）
有难度但必读的一篇论文《DeepSeekMath》
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
逐篇讲解DeepSeek关键9篇论文及创新点——“勇敢者的游戏”
deepseek V3 全网最硬核解读一 MTP与专家负载均衡
DeepSeek-V3 技术报告
[Agentic RL][01] 练习两天半，完全从零开始实现PPO算法（基于Qwen2.5-0.5B），不依赖第三方强化学习框架，从原理讲解到代码实现
[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
一个故事秒懂强化学习与GRPO！
