7GB显存小模型也能“顿悟”！DeepSeek又显神
今天，我们很高兴在 Unsloth 里加入“推理”这个新功能！DeepSeek 的 R1 研究发现了一个“顿悟时刻”——R1-Zero 通过一种叫“组相对策略优化（GRPO）”的方法，自己学会了分配更多的思考时间，而不需要人来给反馈。
7gb显存
今天，我们很高兴在 Unsloth 里加入“推理”这个新功能！DeepSeek 的 R1 研究发现了一个“顿悟时刻”——R1-Zero 通过一种叫“组相对策略优化（GRPO）”的方法，自己学会了分配更多的思考时间，而不需要人来给反馈。