-
200 多行代码，超低成本复现 DeepSeek R1「Aha Moment」！复旦大学开源
复旦大学知识工场实验室开源了 Simple-GRPO 项目，旨在以简洁的代码高效复现 DeepSeek R1-zero 的自发反思能力（Aha Moment）。该项目基于 GRPO 强化学习算法，仅用 200 多行代码，依赖简单，资源消耗低，通过模型解耦与分离，支持在一张 A800 和一张 3090 上完成 7B 模型的训练，单次实验成本压缩至“奶茶价格”区间。实验结果表明，Qwen2.5-3B …- 0
- 0
模型反思
-
✈优惠劵使用时效：无法使用使用时效：
之前
使用时效：永久有效优惠劵ID：×