CMU LLM Inference (9): Reasoning Models

摘要

由 Graham Neubig 講授，介紹推理模型的概念、訓練方法與演算法。觀眾可了解 STaR、DeepSeek R1 等技術與長鏈式思考的應用。

This lecture covers reasoning models, their training via reinforcement learning, and advanced algorithms like STaR and DeepSeek R1.

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

• STaR
• DeepSeek R1
• GRPO
• S1
• L1
• LAPS

適合誰看

學習自然語言處理或機器學習的學生與研究者。

摘要依據

講者

Graham Neubig

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

0.13

新鮮

0.26

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

• CMU LLM Inference (7): Chain of Thought and Intermediate Steps影片 ・ Graham Neubig
• 【生成式AI時代下的機器學習(2025)】第七講：DeepSeek-R1 這類大型語言模型是如何進行「深度思考」（Reasoning）的？影片 ・ Hung-yi Lee ・ 1 小時 18 分
• CMU LLM Inference (12): Reward Models and Best-of-N影片 ・ Graham Neubig
• The State Of LLMs 2025: Progress, Problems, and Predictions文章 ・ Sebastian Raschka（部落格）
• GRPO - Group Relative Policy Optimization - How DeepSeek trains reasoning models影片 ・ Luis Serrano Academy ・ 22 分鐘
• Build A Reasoning Model From Scratch 6: Reinforcement Learning 1 (Implementing GRPO for RLVR)影片 ・ Sebastian Raschka