A / BLOG Indexed transmission 讨论：从《DeepSeek-R1 通过强化学习激励LLM中的推理》开始 Received2025/09/23 Collectionllm_learning Read1 分钟 Signal taxonomy 综述笔记 机器学习与大模型/强化学习/推理模型 目录 ⌄0%讨论点一：推理如何训练LLM的推理能力如何在给予LLM自主推理的同时优化沟通体验强化学习GRPO与PPO奖励机制设置 关键观点：LLM 的推理能力可以通过纯强化学习 (RL) 来激励，从而无需人工标记的推理轨迹 讨论点一：推理 如何训练LLM的推理能力 如何在给予LLM自主推理的同时优化沟通体验 强化学习 GRPO与PPO 奖励机制设置 提出两种奖励：基于规则的奖励(准确率奖励+格式奖励)和基于模型的奖励(是否有用+是否安全)
