模型原理DeepSeek · arXiv2024年2月5日DeepSeekMath：数学推理与 GRPO（论文首次公开）介绍数学数据、训练与组相对策略优化，为理解后来推理模型的强化学习路线提供背景。阅读与学习 追踪事件 · 1 篇报道核对原文 ↗
