PewDiePie 自学 GRPO 强化学习训练,HF 研究员想帮忙却联系不上

Hugging Face 研究员 merve 与同事 Maziyar Panahi 讨论称,前 YouTube 一哥 PewDiePie 正在离网状态下自己动手做 agentic GRPO 强化学习训练,但未透露具体使用的工具。他曾有蒸馏等方面的想法,然而同行们想提供帮助都联系不上他,只能在社区里隔空围观和吐槽这位顶流创作者的技术探索。

2026-10-01 ~ 2026-10-01 · 2 条相关

• PewDiePie 玩起 GRPO 训练,HF 研究员吐槽想帮他都联系不上 — mervenoyann · 2026-10-01
• PewDiePie 在'离网'搞 GRPO 训练，同行想帮忙都联系不上 — MaziyarPanahi · 2026-10-01