IXThinker·2025-03-10 19:00

魔搭開源GRPO全流程工具鏈 支援多模態訓練

DeepSeek-R1帶火了GRPO算法，也帶動訓練工具鏈的競爭。魔搭社區ModelScope推出新的開源全流程方案，主攻訓練速度、易用性與多模態擴展能力，降低開發者使用強化學習的門檻。

GRPO為何受關注

GRPO是PPO算法的改進版，利用採樣原理對value model進行簡化，以提升訓練的穩定性與可維護性。隨著DeepSeek-R1成功出圈，這一算法受到業界廣泛關注。