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

陶哲轩：我差点江郎才尽，只因在普林斯顿待了一年

岚图泰山Ultra启动交付，全新一代896线激光雷达上车

阶跃星辰率先适配微信生态，StepClaw“龙虾”即插即养即用

Momenta不选VLA选世界模型，大众首发！曹旭东：传感器重要性最后

字节版龙虾架构火爆GitHub！开源获35k+ Star，内置Skill全家桶，原生适配飞书