清华团队：1.5B 模型新基线！用「最笨」的 RL 配方达到顶尖性能
清华团队：1.5B 模型新基线！用「最笨」的 RL 配方达到顶尖性能如果有人告诉你：不用分阶段做强化学习、不搞课程学习、不动态调参，只用最基础的 RL 配方就能达到小模型数学推理能力 SOTA，你信吗？
来自主题: AI技术研报
7096 点击 2025-11-13 09:37
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
如果有人告诉你：不用分阶段做强化学习、不搞课程学习、不动态调参，只用最基础的 RL 配方就能达到小模型数学推理能力 SOTA，你信吗？