《模型思维》

大模型RL不止数学代码！7B奖励模型搞定医学法律经济全学科， 不用思维链也能做题 一个7B奖励模型搞定全学科，大模型强化学习不止数学和代码。o1/r1的强化学习很强，但主要探索了数学和代码领域，因为这两个领域的数据结构...

思维链监督和强化的图表推理，7B模型媲美闭源大尺寸模型 近期，随着OpenAI-o1/o3和Deepseek-R1的成功，基于强化学习的微调方法（R1-Style）在AI领域引起广泛关注。这些方法在数学推理和代码智能方...