英伟达揭示RL Scaling魔力！训练步数翻倍=推理能力质变，小模型突破推理极限
英伟达揭示RL Scaling魔力！训练步数翻倍=推理能力质变，小模型突破推理极限强化学习（RL）到底是语言模型能力进化的「发动机」，还是只是更努力地背题、换个方式答题？这个问题，学界争论已久：RL 真能让模型学会新的推理技能吗，还是只是提高了已有知识的调用效率？
来自主题: AI技术研报
6214 点击 2025-06-05 10:27
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT