首页
资讯
智能车
智库
活动
MEET大会
AIGC
扫码关注量子位
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，Hinton发了首篇RSI论文
2026-10-05
超清双2亿，掌中电影机，荣耀Magic9 系列正式发布，售价4499元起
2026-10-10
限时28天！OpenAI承诺没新功能就重置，网友：只想要Opus
2026-10-05
特斯拉FSD，在欧洲被打回原形
2026-10-10
OpenAI一夜甩出722篇数学论文！黎曼霍奇BSD全上阵，数学家：读不过来
2026-10-07
