W22 · DeepSeek-R1 续讨论 — GRPO 在 MoE 上的稳定性
自动生成的 session 模板。请带读人在周三前完成 Pre-read 部分。
| 字段 | 值 |
|---|---|
| 周次 | 2026-W22 |
| 时间 | （待填）周一 14:00–15:30 |
| 带读人 | phd-senior-1 |
| 会议地点 | 实验室 + 腾讯会议 |
| 主 paper | DeepSeek-R1（W19 续讨论） |
| 关联主线 | Test-time Reasoning |
0. 🔗 关联背景
Section titled “0. 🔗 关联背景”本次共读延续 W19 · DeepSeek-R1 共读，重点续讨论 GRPO × MoE routing 在 RL 训练中的稳定性。
概念前置（建议会前过一遍词典页）：
- GRPO — PPO 干掉 critic，组内相对 reward 当 baseline
- MoE — sparse activation，routing 稳定性是 RL 训练的痛点
- MLA — DeepSeek 系列的 KV-cache 压缩，影响 long-CoT 显存预算
- FP8 — R1 训练的混合精度 baseline
前情回顾：
- W19 · DeepSeek-R1 — 主篇 paper 共读，重点 GRPO 涌现 long-CoT；W22 接力的 open-question 是”GRPO 跑在 MoE 上 routing 还稳吗”
主线坐标：本次仍在 Test-time Reasoning 主线下。该主线 owner postdoc-1；co-owners 含 phd-senior-1 / phd-mid-2。
2 跳邻居（context:for --depth=2 暴露）：
- MTP — 通过 MoE 间接关联（同 DeepSeek 系列）；如有时间可对比 R1 是否启用了 MTP
📝 lead 校对要点：上述链接 100% 来自 frontmatter 知识图，不会编造；但每条后面的”一句话定位”是 agent 复述 concept 页 description，需 lead 确认精度。
1. 📝 Pre-read（会前）
Section titled “1. 📝 Pre-read（会前）”- （待带读人填）
- （可选）
引导问题（带读人提）
Section titled “引导问题（带读人提）”- ?
- ?
- ?
大家的 pre-read 问题
Section titled “大家的 pre-read 问题”在评论区抛你看不懂或想讨论的点。
@……：（在底部 Giscus 评论或直接 PR 加到这里）
2. 🎯 Live notes（会中）
Section titled “2. 🎯 Live notes（会中）”带读人或指定记录员实时记。
14:00–14:20 · 引入
Section titled “14:00–14:20 · 引入”…
14:20–14:50 · 主体
Section titled “14:20–14:50 · 主体”…
14:50–15:10 · 关键讨论
Section titled “14:50–15:10 · 关键讨论”…
15:10–15:30 · 自由讨论
Section titled “15:10–15:30 · 自由讨论”…
3. 💡 Post-meeting（会后）
Section titled “3. 💡 Post-meeting（会后）”带读人在周二补完。
Key insights
Section titled “Key insights”- …
Action items
Section titled “Action items”- @phd-senior-1：…
- @……：…
与组工作的关联
Section titled “与组工作的关联”- 直接关联：…
- 启发：…
评论区延伸讨论
Section titled “评论区延伸讨论”在底部继续。