9l传媒制片厂董小宛：DeepSeek用的GRPO占用大量内存？有人给出了些破解方法

9l传媒制片厂董小宛

据俄国防部2月5日通报，经过谈判，150名俄军人从乌克兰控制地区被送回俄方；作为交换，俄方向乌方移交了150名乌军人员 图：参考消息视频截屏，DeepSeek用的GRPO占用大量内存？有人给出了些破解方法

吴来新致辞

里尔首发：萨赫拉维, 乔纳森-戴维, 哈康-哈拉尔德松, 安德烈-戈麦斯, 邦雅曼-安德烈, 卡贝拉, 默尼耶, 古德蒙松, 亚历山德罗-里贝罗, 曼迪, 舍瓦利耶

高健主持会议

杨桂英报告

而具俊晔这边的情况比较乐观，他明确已经和大S在台湾省和韩国领证，他完全享受台湾这边的“继承法”进行分配遗产，所以大S的财产，具俊晔可以享受平分的权益。

程川勇作报告

在 88 步之前的训练以塑造奖励 (r=0.1) 为主，通过调整模型使其在生成 token 预算内停止并在 块内格式化答案，从而可以更轻松地进行优化。在此期间，冗长的错误响应受到抑制，平均响应长度急剧下降。在第 88 步，模型开始通过输出更多重试（retries）来「爬上奖励山」，朝着更高的奖励（r=1 表示正确性）攀登。因此，我们观察到正确响应的长度增加。伴随而来的副作用是，模型输出更多冗长的肤浅自我反思，导致平均响应长度激增。整个 RL 过程是将原本肤浅的自我反思转变为有效的自我反思，以最大化预期奖励，从而提高推理能力。

祖治明报告

尽管如此，电网“转向”仍然引发了对电力供应中断及电价上升的担忧。但波罗的海三国政府保证，这一过程对消费者没有影响。即便价格上涨，其幅度也将较小。

史浅浅作报告

2月7日，OpenAI也公开了o3-mini大模型的思维链。不过，与DeepSeek不同，o3-mini的思维链文本并非大模型原始思维链，而是进行过“总结”。对此，奥特曼的解释是，OpenAI正努力整理原始的CoT（思维链）提升可读性，并在必要时提供翻译，尽量保持原始内容的忠实度。

朱巧玲作报告

发缝分的好，轻松就能垫高颅顶，我们日常最最常见的发缝就是中分，但是中分其实更显脸大，因为中分时，最高点在发际线弧度最高处，与颅顶的距离更短。

王清博作报告

直播吧2月10日讯 针对近期部分球迷直播球队技战术训练的行为，山东泰山俱乐部发布公告，呼吁球迷不要以这种方式透露球队的战术。

张占兵报告

之前市场预期较高的是阿里，毕竟国内“AI六小龙”（智谱、月之暗面、百川智能、零一万物、MiniMax、阶跃星辰），阿里几乎投了个遍，同时两家公司还都是杭州企业。算力上，阿里云作为国内第一大云厂商，也很快宣布支持云上一键部署DeepSeek-V3、DeepSeek-R1等模型。

杨红要报告

当然，稳住股市，是一项长期的任务。在经历井喷式行情之后，A股震荡回调，今年年初沪指一度失守3200点，市场交易情绪有所回落，推动中长期资金入市尤为重要。

如果说这波国产AI产品最受伤的估计kimi算一个了，花了重金投放广告，结果钱花了，被一分钱广告费没花的DeepSeek搞了个偷袭，别提多难受了。

当天，美国人事管理局也发布消息称，根据法院命令，联邦雇员接受特朗普政府“买断计划”的截止日期将延长至2月10日午夜。一名政府官员透露，截至目前，已有超过6万名联邦雇员接受了这一“买断计划”。 更多推荐：9l传媒制片厂董小宛

来源：董洪芬