"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

卡帕西大模型横评方法太好玩！四大AI匿名参赛评分，最强出乎意料

AI把PC天花板打破了

杭州蚂蚁投了家腾讯系具身智能公司

图片生成仿真！这个AI让3D资产「开箱即用」，直接赋能机器人训练

上线4天下载破百万，蚂蚁CTO：灵光要做AGI时代的“支付宝”