"虚假奖励"最新资讯 | 量子位

虚假奖励

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

世界模型有了开源基座Emu3.5！拿下多模态SOTA，性能超Nano Banana

我雇了个AI，替我读微信列表里“吃灰”的公众号文章

OpenAI首个GPT-5找Bug智能体：全自动读代码找漏洞写修复

原神LOL齐聚的Unity开发者大会，我看到了AI游戏的未来

Kimi开源新线性注意力架构，首次超越全注意力模型，推理速度暴涨6倍