Scaling RL – 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

硬刚GPT-Image-2！国产AI生图“天花板”又被捅破了？

刚刚，GPT-5.5发布！内测英伟达工程师：失去它像被截肢

河南师傅，左手扳手，右手飞书，竟然能搞数据分析！

DeepSeek V4终于发布！打破最强闭源垄断，明确携手华为芯片

Mobileye 2026财年一季度营收增长27%，自动驾驶商业化进程持续推进