强化学习训练 · 文章

按主题浏览来自不同作者的公开文章。标签由 AI 生成，仅供分类参考。

更多标签 93

共 1 篇文章

从新到旧

2026-10-23大模型智能

DeepSeek v4.1 RL训练踩坑日记

前段时间组里接了个活儿，把DeepSeekV4.1Flash的AgenticRL训练在我们自研的LoongSage框架内拉起来。

科技与互联网