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

全国首批！商汤大装置SenseCore获软件供应链安全能力评估证书

「斯坦福AI小镇」创业即获投1亿美元！李飞飞卡帕西都投了

人形机器人放无人机，还能上天入海！有点过于赛博了吧

情人节最硬核“Kiss”！中国AI突破300年亲吻数难题，连刷多维度纪录

GLM-5真够顶的：超24小时自己跑代码，700次工具调用、800次切上下文！