プロンプト・LLM活用 DeepSeek-R1の核心「GRPO」を安定化させる:プロンプト拡張による数学的推論のスケールアップ
本記事はGeminiの出力をプロンプト工学で整理した業務ドラフト(未検証)です。DeepSeek-R1の核心「GRPO」を安定化させる:プロンプト拡張による数学的推論のスケールアップ【要点サマリ】GRPOにおける報酬計算の不安定性を、多様な...
プロンプト・LLM活用
セキュリティ
PowerShell
VBA・Office
ITニュース
情報処理技術者試験
Linux・CLI・DevOps
セキュリティ
Microsoft 365・Azure
プロンプト・LLM活用