Posted inAI
Huấn luyện mô hình suy luận với TRL và GRPO: RL kiểu DeepSeek-R1 trên Custom Dataset
Tìm hiểu cách huấn luyện mô hình suy luận phong cách DeepSeek-R1 bằng Hugging Face TRL và GRPO. Loại bỏ chi phí mạng critic và tinh chỉnh reasoning policy trên dataset tùy chỉnh với phần cứng thông dụng.
