Dr. GRPO: Understanding R1-Zero-Like Training with Zichen Liu
0:00 · Watch on YouTube
인터뷰는 R1-Zero의 많은 "마법"이 과장되었다고 주장합니다. 첫 번째 저자는 트랜스크립트에서 "Zean Wu"로 표시됩니다(Sea AI Lab / NUS). 자기 성찰의 "아하 순간"은 이미 DeepSeek-V3 기본 모델에 존재하며, RL은 주로 이를 필터링하고 증폭합니다. GRPO 훈련 중 응답 길이의 꾸준한 증가는 모델이 더 많이 추론하는 것을 배운 것이 아니라 손실의 최적화...