引言

最近不停的听到反向传播以及方向传播的优化方法的一些东西，久好奇翻了一番之前的看过的一篇文章

原文url:https://serokell.io/blog/understanding-backpropagation

引言

今天我们要解读的是一篇非常有意思的文章，主题是“DeepScaleR：通过扩展强化学习，用1.5B模型超越O1-Preview”。这名字听起来有点拗口，别担心，我们一步步来拆解。

原文

这里先放上中文译文，如有兴趣阅读原文的朋友可以访问URL：