共计 44 篇文章

---

2026

02-26

DeepSeek OCR 2：Visual Causal Flow

02-11

DeepSeek Conditional Memory：Engram

02-05

DeepSeek mHC：Manifold-Constrained Hyper-Connections

01-23

Hyper-Connections

01-16

语言模型训练与推理：从概念到代码

01-10

SAPO：Soft Adaptive Policy Optimization

01-04

从GRPO到DAPO以及GSPO

2025

12-30

理解 PPO 和 GRPO

12-21

RLHF：从策略梯度到 PPO、GAE 和 DPO

12-02

FlashAttention-3:具有异步性和低精度的快速准确注意力机制