分類： 模型訓練
- 普林斯頓陳丹琦組新作：RLHF難支撐，RLVR有邊界？RLMT開闢第三條路
- 字節 Seed 提出 TreePO：以樹狀結構節省近半 GPU 成本，同時維持更穩定的性能
- 橫掃數學榜的LLM，卻忘了如何聊天？CMU等揭示SFT與RL的驚人差異！
- 回顧Qwen3廢棄的混合推理模式
- 數學訓練如何「解鎖」大型模型的通用推理能力？最新研究揭示關鍵機制
- NVIDIA（ProRL）｜強化學習究竟能否提升大型語言模型的推理上限？
- 越髒越安全？哈佛團隊最新研究：10%毒性訓練讓大型模型百毒不侵
- 類R1訓練不再只看結果對錯！港中文推出SophiaVL-R1模型
- 整理RL推理的進展
- 「從零開始，僅需8元+9小時！完整Tiny LLM訓練教程，包含推理、MoE等」
- AM-Thinking-v1：在32B規模推進推理能力的前沿
- 中興通訊無線研究院「大模型深潛團隊」發布 LLM 自適應題目難度蒸餾方法，大幅提升小模型推理能力
- 新書《Reasoning From Scratch》第一章釋出，Sebastian Raschka 談 LLM 推理、模式匹配和基礎訓練