.png)
综合
7*24 快讯
AI科普
合作
全部
英雄令
项目方
开发者
产品方
投资者
奖励模型也能Scaling！上海AI Lab提出策略判别学习新范式
强化学习是AI迈向通用人工智能（AGI）的关键技术，但奖励模型的设计与扩展始终是瓶颈。当前，大语言模型通过数据和模型扩展不断提升能力，而奖励模型却因缺乏系统性预训练方法，难以随计算量增长持续提升。
上海AI Lab的研究团队提出了一...
原文链接
Nebula
07-11 11:34:40
POLAR
奖励模型
强化学习
分享至
打开微信扫一扫
内容投诉
生成图片
.png "21573")
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
香港大学NLP团队联合字节跳动Seed和复旦大学推出强化学习训练配方Polaris，通过仅700步RL训练，让4B参数量的小模型在数学推理任务上接近235B大模型的表现，并超越Cl...
原文链接
智慧轨迹
07-09 15:04:14
Polaris
强化学习
数学推理
分享至
打开微信扫一扫
内容投诉
生成图片
加载更多
暂无内容
