Операция выполнена!

info@vsetut.pro

Стать автором

Вернуться

[Перевод] Создание моделей, способных к рассуждению, с помощью дообучения GRPO

16.09.2026 11:07:39 | Хабр

Хабы: Natural Language Processing, Python, Математика, Машинное обучение

Модели вроде DeepSeek показали, что способность к последовательному рассуждению можно заметно улучшить на этапе дополнительного обучения. Если задача состоит в том, чтобы получить похожее поведение от локальной LLM, один из вариантов - Group Relative Policy Optimization, или GRPO.

В отличие от Supervised Fine-Tuning, где модель в основном учится воспроизводить шаблоны из обучающих примеров, GRPO использует обучение с подкреплением. В этом случае модель получает сигнал о качестве сгенерированных ответов и постепенно увеличивает вероятность более удачных вариантов.

Разберём, как GRPO связан с современными подходами RLHF и что происходит во время такого обучения.

Читать далее

Подробнее

Читайте также

100% совместимость, 0% свиданий: мой опыт с Twinby
16.09.2026 11:04:27 | Хабр

За первую неделю предзаказов на iPhone 18 россияне чаще брали Pro Max
16.09.2026 11:00:28 | ferra.ru

FAQ Сколково: 100 ответов на вопросы резидентов (от смены директора до налоговых льгот и отчётности)
16.09.2026 10:46:58 | Хабр

Дефицит компетенций: почему сильная команда может сорвать проект
16.09.2026 10:45:30 | Хабр

Ваша База Знаний — золотая клетка с прозрачными стенами
16.09.2026 10:38:56 | Хабр

ИИ-агент Perplexity получил поддержку видеокарт Nvidia RTX для локальной работы
16.09.2026 10:34:51 | ferra.ru

Китай запустил фабрику, где роботы собирают роботов
16.09.2026 10:29:05 | it-world

Нагрузочное тестирование как инженерный процесс
16.09.2026 10:20:28 | Хабр

ИИ заставил бизнес наращивать серверные мощности
16.09.2026 10:05:23 | it-world

Маркировка товаров в 2026 году: чек-лист готовности для оптовой компании
16.09.2026 10:00:58 | Хабр

Polymorpheus: очень нужная деталька паззла Angular
16.09.2026 09:58:49 | Хабр

Зачем я добавил диван в калькулятор ремонта
16.09.2026 09:51:03 | Хабр

В App Store появилось приложение Craftersy с функциями «Т-Банка»
16.09.2026 09:49:15 | vc.ru

Нейросети прямо в ячейке: ИИ для Excel и Google Таблиц в 2026 году
16.09.2026 09:44:41 | Хабр

Студент больше не нужен? LLM изготовила нам рентгеновское зеркало
16.09.2026 09:15:19 | Хабр

Сделал себе вышибалу для VPS: кто стучится в.env и в ssh — тот сидит за баном…
16.09.2026 09:09:27 | Хабр

Верни мне музыку, или как нейросети слышат и сочиняют песни
16.09.2026 09:06:46 | Хабр

«Обратная змейка», часть 2: читаю комментарии, чиню баги и добавляю босса
16.09.2026 09:02:18 | Хабр

Как Китай развивает ИИ, энергетику и дата-центры: факты и сравнение с xAI для примера
16.09.2026 08:59:03 | Хабр

Как рабочее место оторвалось от «железа»: история VDI через призму технологий, компаний и людей. Часть 1
16.09.2026 08:52:37 | Хабр

Дайджест: скачиваемые решения в Базе знаний за месяц
16.09.2026 08:52:20 | Хабр

Обычного RAG было недостаточно и мы построили AI-консультанта по архитектуре
16.09.2026 08:48:53 | Хабр

Variadic templates в C++. 11 приёмов работы с пакетами параметров
16.09.2026 08:44:00 | Хабр

Dreame G12 Dual поступил в продажу в России
16.09.2026 08:42:50 | ferra.ru

Эволюция рендеринга в Zenith Engine: многопоточная загрузка GPU-ресурсов
16.09.2026 08:36:14 | Хабр

Valve объяснила, почему VR-шлем Steam Frame стоит больше $1000
16.09.2026 08:34:49 | ferra.ru

День 1665: в августе 2026 года российские банки выдали физлицам кредитов на рекордные за два года 491,8 млрд рублей
16.09.2026 08:33:59 | vc.ru

Как мы внедрили единый производственный процесс для трех компаний Финтех-группы (MOEX)
16.09.2026 08:31:17 | Хабр

Как найти причину сбоев внешнего API и исправить её до того, как интеграция попадет в прод
16.09.2026 08:05:14 | Хабр

Как я собрал охранника для комнаты на YOLO и подключил его к Telegram
16.09.2026 08:05:13 | Хабр

Две стороны изоляции: безопасность виртуальных машин и контейнеров
16.09.2026 08:03:57 | Хабр

Можно ли собрать работающий интерфейс на ИИ за час?
16.09.2026 08:00:13 | Хабр

Почему мой «умный дом» оказался умнее, чем я думала
16.09.2026 08:00:12 | Хабр

Рабочая культура в Японии: утренние планёрки, зарядка, заблаговременные согласования и выпивка после рабочего дня
16.09.2026 08:00:12 | Хабр

Помогаем проектировщику создавать опросные листы на оборудование
16.09.2026 07:52:14 | Хабр

Смотреть все

НОВОСТИ

Набирающий популярность в РФ кроссовер получит полный привод: новая модификация
20.12.2026 06:40:00 | За рулем

Правительство передало Минобороны часть Онежского озера на 20 лет
25.10.2026 02:18:13 | Life.ru

Песков: Путин огласит послание Федеральному собранию, когда сочтет это целесообразным
25.10.2026 02:14:30 | ТАСС

В Минздраве предупредили об опасности пересылки своих медицинских данных
25.10.2026 02:11:26 | ТАСС

Белгород подвергся массированной атаке БПЛА, есть пострадавшие
25.10.2026 02:09:28 | Life.ru

Боец Жаров: оборону в Сергеевке держали неопытные солдаты Нацгвардии Украины
25.10.2026 02:07:05 | ТАСС

Стало известно о секретном подразделении ВСУ
25.10.2026 02:06:55 | Lenta.ru

В СФ считают, что похищение Мадуро останется в истории "противоправной акцией"
25.10.2026 02:03:49 | ТАСС

Лимаренко: ответственный бизнес создает условия для жизни семей на Сахалине
25.10.2026 02:03:34 | ТАСС

Марочко сообщил о превращении ВСУ Орехова в серьезный укрепрайон
25.10.2026 02:01:44 | ТАСС

Махачев поздравил Яна с защитой титула UFC
25.10.2026 01:55:28 | ТАСС

Мелания Трамп не исключила поездку на Украину после соглашения по Алёшкам
25.10.2026 01:55:11 | Life.ru

Россияне выбрали две страны для отдыха на новогодние праздники
25.10.2026 01:54:00 | Lenta.ru

США нанесли «серьезный удар» по Украине
25.10.2026 01:52:40 | Lenta.ru

В здании дочерней компании PepsiCo в США произошли взрыв и пожар
25.10.2026 01:51:13 | ТАСС

Оперштаб сообщил о массированном налете БПЛА на Белгород
25.10.2026 01:50:38 | Коммерсантъ

Кинологи предупредили об опасности сгнившей листвы для собак
25.10.2026 01:49:43 | ТАСС

Мелания Трамп не исключила поездку на Украину
25.10.2026 01:49:08 | РБК

Около тысячи протестующих задержали во Франции
25.10.2026 01:48:03 | Lenta.ru

Трамп заявил, что обсудил с Маском ситуацию на Украине
25.10.2026 01:47:00 | Российская Газета

В ОП предложили ввести для электросамокатчиков права подкатегории "МС"
25.10.2026 01:46:02 | ТАСС

Сотни тысяч американцев переехали в Россию за землей и традиционными ценностями
25.10.2026 01:45:55 | Lenta.ru

Трампа возмутил поступок Украины
25.10.2026 01:41:55 | Lenta.ru

У футболиста случился сердечный приступ во время матча в Турции
25.10.2026 01:41:43 | ТАСС

Енота с тяжёлыми травмами спасли после ДТП на Кубани
25.10.2026 01:41:43 | Life.ru

Прохождение Tomb Raider: Legacy of Atlantis займёт 14-16 часов - разработчики призывают не спешить с исследованием мира
25.10.2026 01:38:32 | PlayGround.ru

Оперштаб сообщил о массированной атаке БПЛА на Белгород
25.10.2026 01:36:04 | РБК

Мелания Трамп не исключила возможность поездки на Украину
25.10.2026 01:34:10 | ТАСС

Глава UFC ответил на вопрос о возможном проведении турнира в России
25.10.2026 01:33:27 | РБК

Умерла одна из главных хранительниц традиций русского балета Ирина Генслер
25.10.2026 01:29:55 | Life.ru

Петр Ян защитил титул чемпиона, Мовсар Евлоев проиграл впервые в карьере. Как российские бойцы выступили на турнире UFC 333?
25.10.2026 01:28:21 | Lenta.ru

Белгород подвергся массированной атаке БПЛА
25.10.2026 01:27:04 | ТАСС

В Белгороде из-за атаки БПЛА есть пострадавшие
25.10.2026 01:27:04 | ТАСС

Ян рассказал, что хотел бы провести бой UFC в Екатеринбурге
25.10.2026 01:26:23 | ТАСС

Мендес назвал уверенной победу Яна на турнире UFC в Абу-Даби
25.10.2026 01:25:22 | ТАСС

Все новости

ВСЕ НОВОСТИ

ПИШИТЕ

Техническая поддержка проекта ВсеТут

info@vsetut.pro

Copyright © 2026 - vsetut.pro