大模型RL不止数学代码！7B奖励模型搞定医学法律经济全学科， 不用思维链也能做题
大模型RL不止数学代码！7B奖励模型搞定医学法律经济全学科， 不用思维链也能做题一个7B奖励模型搞定全学科，大模型强化学习不止数学和代码。
来自主题: AI技术研报
9886 点击 2025-04-03 09:58
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
一个7B奖励模型搞定全学科，大模型强化学习不止数学和代码。
首次将DeepSeek同款RLVR应用于全模态LLM，含视频的那种！
只需几十个样本即可训练专家模型，强化微调RLF能掀起强化学习热潮吗？具体技术实现尚不清楚，AI2此前开源的RLVR或许在技术思路上存在相似之处。