GRPO 专题

共 4 篇文章，按时间倒序展示。

【微调全家桶：Liquid AI 的这份食谱把门槛拆了】| github Leonie 分享的这

【微调全家桶：Liquid AI 的这份食谱把门槛拆了】| github Leonie 分享的这份开发者资源把散落各处的微调技术集成到了一起，从传统的 SFT 监督微调到时下热门的 DPO 和 GRPO 强化学习方案，不仅支持文本还覆盖了音视频多模态模型。

2026年08月16日TechFoco

SFT DPO GRPO

【微调全家桶：Liquid AI 的这份食谱把门槛拆了】| github Leonie 分享的这

强化学习教程：Hands-On Modern RL，现代强化学习实战指南：涵盖经典控制、LLM

强化学习教程：Hands-On Modern RL，现代强化学习实战指南：涵盖经典控制、LLM 后训练、RLVR 与多模态智能体 | 在线阅读 | github | 2016 年，AlphaGo 击败李世石，强化学习第一次震撼公众。

2026年05月07日TechFoco

强化学习 RLHF PPO

强化学习教程：Hands-On Modern RL，现代强化学习实战指南：涵盖经典控制、LLM

DeepSeek R1：介绍了如何从头构建 DeepSeek R1 模型，包括使用 Qwen 作

DeepSeek R1：介绍了如何从头构建 DeepSeek R1 模型，包括使用 Qwen 作为基础模型，应用 GRPO 算法进行初步训练，以及通过 Supervised Fine-Tuning (SFT) 和改进的强化学习方法提升模型的推理能力和语言一致性。

2025年02月26日TechFoco

DeepSeek R1 GRPO 监督微调

DeepSeek R1：介绍了如何从头构建 DeepSeek R1 模型，包括使用 Qwen 作

Huggingface 这个 Open R1 的文章牛皮啊整理了 Deepseek R1 发布

Huggingface 这个 Open R1 的文章牛皮啊整理了 Deepseek R1 发布到现在所有重要内容和社区工作 - 复现对于 R1 的评估分数 - 复现 R1 训练管道，比如 GRPO - 合成数据生成流程，重现类似 R1 的推理数据集 - 市面上所有重要人物对于 R1 模型的表态 - 尝试复现 R1 的开源项目

2025年02月05日TechFoco

Deepseek R1 GRPO 合成数据生成

Huggingface 这个 Open R1 的文章牛皮啊整理了 Deepseek R1 发布

【微调全家桶：Liquid AI 的这份食谱把门槛拆了】| github Leonie 分享的这

强化学习教程：Hands-On Modern RL，现代强化学习实战指南：涵盖经典控制、LLM

DeepSeek R1：介绍了如何从头构建 DeepSeek R1 模型，包括使用 Qwen 作

Huggingface 这个 Open R1 的文章牛皮啊 整理了 Deepseek R1 发布

Huggingface 这个 Open R1 的文章牛皮啊整理了 Deepseek R1 发布