GRPO（Group Relative Policy Optimization）是一种旨在替代PPO中Critic网络的方法，通过组内比较计算相对优势，解决了PPO在大模型训练中的显存占用高、训练不稳定和工程复杂度问题。其核心机制包括在线组采样、规则打分、组内优势计算和PPO裁剪更新。GRPO省去了独立的Critic网络，显存占用降低30~40%，且支持纯RL训练（如DeepSeek-R1-Zer

本文详细介绍了如何在DeepSeek Harness（DSH）中接入免费的NVIDIA GLM5.2和MiniMax-M3模型，并为其添加多模态图片识别能力。主要内容包括：1）获取NVIDIA API Key的步骤；2）在DSH中添加自定义Provider的方法；3）通过修改配置文件开启多模态输入功能；4）常见问题及解决方案。文章特别指出GLM5.2通过NVIDIA API不支持图片识别，建议使用

DeepSeek Harness（命令行简称dsh）是 DeepSeek AI 开源的一个 Agent Harness（智能体运行框架）。它采用"一切皆插件"（Everything is a Plugin）的架构理念，底层由Cordis驱动，相关设计思想可参考论文《A Programming Paradigm for Spatiotemporal Composability》。需要注意的是，该项目

本文为初学者提供了阿里Qwen3系列大语言模型（LLM）本地部署的完整流程指南。

ClaudeCode命令速查指南。