來自 Teortaxes▶️ (DeepSeek 推特🐋铁粉 2023 – ∞)（@teortaxesTex）的推文串

有趣的是，當時出現了分歧。 2022年，封閉式實驗室在做PPO，而開放式模型…根本不存在。 2023年，我們主要做SFT（無論是否使用LoRA），然後得到了DPO物種copium。 2024年的GRPO……出乎意料。 我們也不知道封閉式實驗室現在使用什麼設備。

順便一提，他們也對GRPO的表現感到驚訝。