代码推理 – 量子位

代码推理

奖励是假的，能让Qwen提升25%性能却是真的！

RLVR通过激活预训练中的推理能力来提升性能

鹭羽 2025-05-29

代码推理虚假奖励

加载更多

热门文章

HC归来，华为正重新定义AIDC基础设施

李飞飞创业公司被苏姿丰550亿收购！世界模型最大交易落地

工业创新进入“组队局”，拆解西门子Xcelerator开放生态的赋能链路

精准揪出RL训练数据Bug，Prompt直出小游戏，IQuest-Q1夯爆了！

OpenAI因新模型太强叫停发布