←返回首页

话题 · Topic

#RLVR

共 4 条相关资讯

2026.07.21 · 周二研究论文

W2SPO：用 8 token 弱分支引导大模型推理训练提速 3.55 倍

2026.07.03 · 周五研究论文

RLVR 训练小模型调用 Jira/Confluence API 的初步验证

2026.07.03 · 周五研究论文

PMD：用过程记忆蒸馏让语言模型在线自我提升

2026.06.29 · 周一行业动态

Dwarkesh：下一代 AI 训练范式，可能从干活中来