#deepseek-r1

CS224N 第 12 講：Decoding、DeepSeek-R1 與推理訓練

第 12 講先證明輸出策略不是小細節：greedy、beam 與 sampling 會產生不同文字；再由 R1-Zero/R1 走進 PPO、GRPO、DAPO，最後追問長推理何時真的有用。