DeepSeek R1, uno dei large language model più discussi del momento, ha introdotto GRPO, un nuovo algoritmo di reinforcement learning che permetterebbe di addestrare modelli che "ragionano". Ma è davvero così?

Durante questo talk vedremo in cosa consiste l'algoritmo e come è possibile usarlo per trasformare piccoli LLMs in reasoning models. Inoltre, grazie a Unsloth, potremo replicare questo esperimento con modelli fino a 15B parametri anche non dispondendo di GPU potenti!