在GSM8K上比GRPO快8倍！厦大提出CPPO，让强化学习快如闪电
在GSM8K上比GRPO快8倍！厦大提出CPPO，让强化学习快如闪电DeepSeek-R1 的成功离不开一种强化学习算法：GRPO（组相对策略优化）。
来自主题: AI技术研报
5918 点击 2025-04-01 16:16
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
DeepSeek-R1 的成功离不开一种强化学习算法：GRPO（组相对策略优化）。
刚刚，百度文小言全面升级了。
一夜之间，OpenAI更新三大动向，开源、融资、用户暴增。第一，将开源一个具备推理能力的大语言模型，包含参数权重那种。上一次这样开源还是6年前推出GPT-2。
DeepSeek的出圈，不仅引爆了全社会对于AI的大讨论，更重要的是激发各界人士从观望者转变为参与者，掀起了一波真实的人工智能落地潮。在孕育了AI的互联网生态中，AI引起的变化会首当其冲，且影响更彻底。广告作为互联网生态最主要的商业模式，更是当前AI技术应用的主战场。
DeepSeek要开放融资了？
由于 DeepSeek R1 和 OpenAI o1 等推理模型（LRM，Large Reasoning Model）带来了新的 post-training scaling law，强化学习（RL，Reinforcement Learning）成为了大语言模型能力提升的新引擎。然而，针对大语言模型的大规模强化学习训练门槛一直很高：
最近超火的氛围编程（Vibe coding）你听说了吗？
正值“金三银四”，应届毕业生又进入到求职冲刺阶段，如果能够顺利杀出重围，便可以逃离毕业季的又一场肉搏。而因为ChatGPT、DeepSeek、豆包等AI产品的集体爆发，“AI潮”成为今年春招绕不开的主题。据《2025年春招市场行业周报（第一期）》数据显示，春招首周，人工智能行业求职人数同比增速达33.4%，位居行业第一；人工智能工程师的求职增速达69.6%，位居职业榜首。
随着Deepseek持续火热，部分医生和患者纷纷在线种草。但在近日，「AI 误诊，上海患者获赔127万」的消息在各大社交平台迅速传播、引起争议。
3D生成版DeepSeek再上新高度！