.png)
2025年9月，蚂蚁通用人工智能中心与香港大学联合推出PromptCoT 2.0框架，聚焦任务合成技术，通过强化学习和自博弈式训练，显著提升大模型在数学代码推理任务中的表现，达到SOTA水平。该框架采用期望最大化（EM）循环优化问题合成过程，生成更难、更多样化的数据集，并全面开源4.77M合成问题及教师监督数据。团队认为强化学习是引擎，任务合成是燃料，未来将探索Agentic环境合成、多模态任务合成等方向，进一步推动从Reasoners到Agents的演进。论文及代码已发布。
原文链接
本文链接：https://kx.umi6.com/article/26180.html
转载请注明文章出处
分享至
打开微信扫一扫
内容投诉
生成图片
.png "26180")
相关推荐
.png)
换一换
强化学习之父：LLM主导只是暂时，扩展计算才是正解
2025-06-10 18:52:34
从蛰伏到王炸，RL启示录
2025-03-25 19:11:14
OpenAI路线遭质疑，Meta研究员：根本无法构建超级智能
2025-06-20 21:05:08
我不给人做产品，给Agent做
2025-06-30 08:39:41
Nature封面文章: DeepSeek-R1通过强化学习激励的LLM推理
2025-09-18 08:48:39
又一篇“苦涩的教训”，让AI觉得人间有不值，发现无穷尽
2025-04-22 08:10:09
上海 AI 实验室联合清华等大学突破强化学习算法，攻克 AI 推理熵崩溃难题
2025-06-04 08:15:30
DeepSeek-R1 最新发布，剑指 OpenAI o1
2025-01-22 10:55:31
Claude 4如何思考？资深研究员回应：RLVR已在编程/数学得到验证
2025-05-24 15:19:19
推特热帖：k1.5 很牛，因为借鉴了 UCLA 与 CMU 合作团队的这项技术
2025-02-27 15:32:45
姚班学霸、OpenAI姚顺雨：大模型下半场是产品的游戏
2025-04-17 17:47:23
通义实验室新研究：大模型自己「扮演」搜索引擎，提升推理能力无需搜索API
2025-05-17 13:07:29
DeepSeek登《Nature》封面，梁文锋带队，首次回应争议
2025-09-18 13:54:10
508 文章
247448 浏览
24小时热文
更多
-
2025-10-01 20:50:48 -
2025-10-01 19:49:02
-
2025-10-01 19:48:20
