200美金，人人可手搓QwQ，清华、蚂蚁开源极速RL框架AReaL-boba
200美金，人人可手搓QwQ，清华、蚂蚁开源极速RL框架AReaL-boba由于 DeepSeek R1 和 OpenAI o1 等推理模型（LRM，Large Reasoning Model）带来了新的 post-training scaling law，强化学习（RL，Reinforcement Learning）成为了大语言模型能力提升的新引擎。然而，针对大语言模型的大规模强化学习训练门槛一直很高：
来自主题: AI技术研报
9045 点击 2025-03-31 15:07