人生苦短，学不完啊
  文章分类
Deploy 1 algorithm 6 Hexo tips 1 VLM 2 python 3 Linux 5 SensorsCalibration 1 端到端自动驾驶 2 RLHF 2 LLM 1 Distributed 3 Deep Learning 1 tool 9 2D目标检测 3 3D目标检测 18 注意力 2 目标跟踪 2
verl_multinode verl_multinode
分布式环境中使用 verl 进行多节点训练。从启动 Ray 集群到提交训练任务，再到模型合并和解决常见问题。
2025-06-11 RLHF
verl multinode
GRPO GRPO
GRPO 通过最大化优势加权的对数概率并正则化 KL 散度，优化模型策略，使生成结果兼顾奖励提升与稳定性控制。
2025-06-03 RLHF
GRPO