PewDiePie 自研 GRPO 训练本地 LLM 引社区围观

前 YouTube 一哥 PewDiePie 被曝正在自研 agentic GRPO 强化学习训练,打造本地 LLM 和 agent,项目名为 odysseus 并已在 GitHub 开设讨论区。Hugging Face 研究员 merve 透露他未提及所用工具,曾想蒸馏 Sol 但几次未成功,且处于离网状态想帮忙都联系不上,另一位 HF 成员 Maziyar Panahi 也参与了讨论。HF 官方推荐了四套视频教程,Reddit 用户则玩梗喊话 merve 出手相助。

2026-10-01 ~ 2026-10-02 · 4 条相关

事件全程(共 3 集)→