假如有一万张卡，RL训练该怎么扩大规模？十万张呢？
假如有一万张卡，RL训练该怎么扩大规模？十万张呢？当预训练将大模型带到新的能力起点，强化学习则通过持续的探索与反馈，不断激发模型在新环境、新任务中的推理与行动能力，决定它们还能走多远。
来自主题: AI技术研报
7519 点击 2026-09-22 14:43
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
当预训练将大模型带到新的能力起点，强化学习则通过持续的探索与反馈，不断激发模型在新环境、新任务中的推理与行动能力，决定它们还能走多远。