"Scaling RL"最新资讯 | 量子位

Scaling RL

4B小模型数学推理首超Claude 4，700步RL训练逼近235B性能 | 港大&字节Seed&复旦

一种用在高级推理模型上Scaling RL的后训练方法

不圆 2025-07-09

Scaling RL 强化学习推理模型

加载更多

热门文章

具身智能大算力开发平台S600重磅亮相，地瓜机器人引领新范式

“最强具身VLA大模型”，究竟强在哪儿？

戴盟新一代视触觉解决方案全球首发，四大功能全新升级

具身开放日点燃生态引擎，智源以开源开放驱动具身智能创新

狙击Gemini 3！OpenAI发布GPT-5.1-Codex-Max