【“数学界奥林匹克”再度来华？丘成桐：激励年轻学子 站上世界之巅】#2025全国两会#中国正全力推动本土人才发展，致力于吸引和培养教育与科技领域的顶尖人才。近日，菲尔兹奖得主、清华大学讲席教授丘成桐率领中国数学界发出倡议：申请在中国主办2030年国际数学家大会（ICM2030）。丘成桐教授表示，中国的年轻数学学子已经具备世界一流的水平，未来五年，将有大量顶尖人才脱颖而出。丘教授相信，如果中国能够主 ...

随着DeepSeek-R1的成功出圈，其使用的GRPO算法受到了业界的广泛关注。GRPO训练是来自于PPO算法的一种改进，旨在利用采样原理对value model进行简化，以增大训练的稳定性和可维护性。