小小小欧

帅气的我简直无法用语言描述！

base 杭州快手一面： 1. 简历上写了grpo，用简单语言讲下grpo、ppo区别，手写dpo的loss 2. off-policy和on-policy是什么，分别对应哪种 3. vllm这些用...

1天前

1320