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
量子位
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

链接直达 ">手机查看
内容由AI协助整理，请仔细甄别

相关导航

LeCun离职后不止创一份业！押注与大模型不同的路线，加入硅谷初创董事会

大模型推理学习新范式！ExGRPO框架：从盲目刷题到聪明复盘

商汤医疗携病理数智一体化方案，亮相苏州病理学术盛宴

AI打假AI，拿下SOTA丨厦大&腾讯优图

字节&MAP重塑大模型推理算法优化重点，强化学习重在高效探索助力LLM提升上限

突破Agent长程推理效率瓶颈！MIT&NUS联合推出强化学习新训练方法