0) The spelled-out intro to neural networks and backpropagation: building micrograd46просмотровгод назад
Интуитивное объяснение проксимальной оптимизации политики (PPO) для больших языковых моделей11просмотровгод назад
GRPO (групповая относительная оптимизация политики) от DeepSeek | Обучение с подкреплением для LLM15просмотровгод назад
