爆火论文颠覆RL认知！「错误奖励」让LLM推理暴涨24.6%，学界惊了
爆火论文颠覆RL认知！「错误奖励」让LLM推理暴涨24.6%，学界惊了来自华盛顿大学、AI2、UC伯克利研究团队证实，「伪奖励」（Spurious Rewards）也能带来LLM推理能力提升的惊喜。
来自主题: AI技术研报
8691 点击 2025-05-29 10:18
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
来自华盛顿大学、AI2、UC伯克利研究团队证实，「伪奖励」（Spurious Rewards）也能带来LLM推理能力提升的惊喜。