论文阅读笔记

精读大模型领域经典与前沿论文，配套图表与个人解读。

笔记列表

• DeepSeek-R1 技术报告阅读笔记 — 基于 GRPO 强化学习训练的推理模型，含 R1-Zero 与 R1 两阶段详解
• GiGPO：面向长程智能体的分层信用分配 — 通过锚点状态分组进行回合级与步骤级优势估计
• Graph-GPO：基于状态转移图的信用分配 — 聚合 rollout 轨迹并按到成功状态的距离估计步骤优势