热点
"隐式过程奖励" 相关文章
社区供稿 | 无需模仿，超越蒸馏！清华团队靠强化学习让 7B 模型打败 GPT-4o 数学推理
Hugging Face 2025-01-07T16:15:46.000000Z
仅需一万块钱！清华团队靠强化学习让 7B模型数学打败GPT-4o
智源社区 2025-01-07T05:07:14.000000Z
仅需一万块钱！清华团队靠强化学习让 7B模型数学打败GPT-4o
量子位 2025-01-06T07:54:25.000000Z
仅需一万块钱，清华团队靠强化学习让7B模型数学打败GPT-4o
36kr 2025-01-06T07:33:32.000000Z