训练加速1.8倍，推理开销降78%！精准筛选题目高效加速RL训练丨清华KDD
训练加速1.8倍，推理开销降78%！精准筛选题目高效加速RL训练丨清华KDD以DeepSeek R1为代表的一系列基于强化学习（RLVR）微调的工作，显著提升了大语言模型的推理能力。但在这股浪潮背后，强化微调的代价却高得惊人。
来自主题: AI技术研报
9805 点击 2026-02-10 14:19
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT