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
7986 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？
最近，OpenAI 宣布：Sora 2 进一步开放使用权限，不再需要邀请码。
「你的大脑，非常容易被操控。」Perplexity CEO Aravind Srinivas这样警告。他说AI陪伴应用太拟人、太危险，可能让人沉溺虚拟世界。可就在他发出警告之前，全球已有上千万用户在和这些AI聊天、倾诉、恋爱。AI真的在夺走现实吗？还是，它只是让我们重新定义了「真实」的样子？
我们长期把LLM当成能独闯难关的“单兵”，在很多任务上，这确实有效。
没有直播，OpenAI一早放大招，让所有人猝不及防。就在刚刚，GPT-5.1正式发布，GPT-5系列重大升级版登场！一共有三个版本，目前已经上线了前两个： GPT-5.1 Instant ：最常用的模型，语气更亲切、更智能，更善于遵循指令，GPT-5.1 Thinking ：先进的推理模型，更易于理解，处理简单任务速度更快，处理复杂任务更具持久力。
最近，谷歌AI Studio上的一个神秘模型不仅成功识别了200多年前一位商人的「天书」账本，而且还修正了里面的格式错误和模糊表述，展现出的推理能力令历史学家震惊。
就在今天，罗福莉以C位之姿，首次对外官宣了小米任职。刚刚，罗福莉在X上高调宣布——正式加入小米，出任MiMo团队负责人。智能的进化必然会从语言世界走向物理世界，解锁多模态的空间智能——具备感知、推理、生成与行动的能力，这是实现真正通用人工智能（AGI）的关键一步。
曾在英伟达身上错过2500亿美金的孙正义，如今再次用脚投票，他赌的是：AI的未来，不在于制造铲子的英伟达，而在于定义金矿的OpenAI。
AI To B 突围的新解法就在非共识里。
开发者最常使用的编程语言是什么？相信很多人都会不假思索地选择 Python。