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
6323 点击 2025-11-13 09:37
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
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？
如今的聊天机器人无所不能，只要是能用文字表达的内容，无论是恋爱建议、工作文书，还是编程代码，AI 都能生成，哪怕不完美。但几乎所有聊天机器人都有一个绝不会做的事：主动结束与你的对话。
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。
来自AI语音独角兽公司ElevenLabs，刚刚发布了Scribe v2 Realtime实时语音转文本模型，网友表示：Next-Level。150毫秒的超低延迟，93.5%的高准确率，还覆盖了90多种语言。
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。
华中科技大学团队推出首个水下多模态大模型NAUTILUS，支持8种水下场景理解任务，并开源145万图文对的NautData数据集。模型通过视觉特征增强模块解决水下图像模糊和颜色失真问题，性能超越现有模型，恶劣环境下表现更佳。
复杂的简历，AI也能读懂了。
在数字经济浪潮中，企业对于高效、精准的信息获取与决策支持的需求日益迫切。从前沿科学探索到行业趋势分析，再到企业级决策支持，一个能够从海量异构数据源中提取关键知识、执行多步骤推理并生成结构化或多模态输出的「深度研究系统」正变得不可或缺。