16:58 · Jun 18, 2025 · Wed https://x.com/karminski3/status/1935140410906787905?t=hJqP-1W5WHoOrXYd2k-LWQ&s=35 X (formerly Twitter) karminski-牙医 (@karminski3) on X Unsloth 刚刚发布了一个强化学习小教程教程从吃豆人游戏触发，然后简单介绍 RLHF, PPO 再到 GRPO, 然后告诉你如何用 GRPO 开始训练，是个不错的入门小文章。地址: https://t.co/BDEfR0zbEk
