GLM-5.2: DeepSeek Was Wrong About RL?

摘要

討論 GLM-5.2 模型訓練策略，指出其放棄 GRPO 改用 PPO 的決定值得關注，並分享作者對模型表現之外的洞見。適合對大模型訓練技術感興趣的開發者與研究者。

The video discusses GLM-5.2's decision to switch from GRPO to PPO and shares insights beyond model performance.

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

• GLM-5.2
• GRPO
• PPO

適合誰看

對大語言模型訓練策略與技術細節感興趣的開發者與研究者。

摘要依據

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

0.62

新鮮

0.75

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

• GRPO - Group Relative Policy Optimization - How DeepSeek trains reasoning models影片 ・ Luis Serrano Academy ・ 22 分鐘
• GLM-5.3: How Chinese labs keep stride with the frontier文章 ・ Nathan Lambert（部落格）
• GLM-5.2 is the step change for open agentsPodcast ・ Interconnects ・ 9 分鐘
• Build A Reasoning Model From Scratch 6: Reinforcement Learning 1 (Implementing GRPO for RLVR)影片 ・ Sebastian Raschka
• Training Agents 3: Reinforcement Learning影片 ・ Hugging Face ・ 1 小時 17 分
• Stanford CS229 Machine Learning | Spring 2026 | Lecture 20: GMM (EM), PCA影片 ・ Stanford Online ・ 1 小時 19 分