DeepSeek R1 Incentivizing Reasoning Capability in LLMs via Reinforcement Learning (paper explained)

DeepSeek Janus Pro 7b - Unified Vision and generation in one model (paper explained)

Инженерные секреты DeepSeek | YC Decoded

How to Train LLMs to "Think" (o1 & DeepSeek-R1)

Как LLM могут хранить факты | Глава 7, Глубокое обучение

DeepSeek's GRPO (Group Relative Policy Optimization) | Reinforcement Learning for LLMs

Навыки агента — полное руководство с практическими примерами.

How DeepSeek Rewrote the Transformer [MLA]

Reinforcement Learning from Human Feedback (RLHF) Explained

Обзор теории DeepSeek R1 | GRPO + RL + SFT

Голуби мира России

Почему программистов теперь заставят вычитывать код от ИИ

How does DeepSeek learn? GRPO explained with Triangle Creatures

Мультивселенная существует. И это проблема

Paper: DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning

LLM и GPT - как работают большие языковые модели? Визуальное введение в трансформеры

Удобный сервис слежки за каждым: без суда и разрешений

Почему AI генерит мусор — и как заставить его писать нормальный код

Запустите Deepseek R1 дома на оборудовании стоимостью от 250 до 25 000 долларов: от установки до ...

The Unreasonable Effectiveness of Reasoning Distillation: using DeepSeek R1 to beat OpenAI o1

Обучение с подкреплением в DeepSeek-R1 | Наглядное объяснение