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

刚刚，国产AI自己造了AI，全球首例！

卡帕西Anthropic最新头衔：技术员工（MTS）

融资700亿！DeepSeek Code真要来了，ACM金牌大神崔添翼挂帅

李飞飞再出手，空间智能的ImageNet来了

顶流里最快！智谱，你是在「喷」代码吧