Build A Reasoning Model From Scratch 6: Reinforcement Learning 1 (Implementing GRPO for RLVR)

摘要

由 Sebastian Raschka 講解如何從零開始用 Python 實現 GRPO 演算法，訓練小型推理模型。觀眾能學習 RLVR 的具體實作細節與訓練流程。

This video demonstrates a from-scratch implementation of the GRPO algorithm in Python to train a small reasoning model using RLVR.

這筆內容還沒有取得字幕或內文，這段摘要只根據標題與說明欄產生，可能不夠準確；實際內容請以原站為準。

提到的工具與公司

• Python
• GRPO
• RLVR
• MATH training data

適合誰看

適合有機器學習基礎、想從零建構大型語言模型的開發者。

摘要依據

講者

Sebastian Raschka

依據

標題與說明欄（還沒有取得字幕或內文）

為什麼排在這裡

人氣

0.45

新鮮

0.98

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

• Training Agents 3: Reinforcement Learning影片 ・ Hugging Face ・ 1 小時 17 分
• GRPO - Group Relative Policy Optimization - How DeepSeek trains reasoning models影片 ・ Luis Serrano Academy ・ 22 分鐘
• GLM-5.2: DeepSeek Was Wrong About RL?影片 ・ bycloud ・ 16 分鐘
• Build A Reasoning Model From Scratch 3: The Verifier for Evaluation and RL with Verifiable Rewards影片 ・ Sebastian Raschka ・ 1 小時 27 分
• Code a Reinforcement Learning Library in C from Scratch (Full Course)影片 ・ freeCodeCamp.org ・ 2 小時 18 分
• Reinforcement Learning from Human Feedback explained with math derivations and the PyTorch code.影片 ・ Umar Jamil ・ 2 小時 15 分