静态缓存页面 · 查看动态版本 · 登录

Logic-RL 基于规则的强化学习释放大型语言模型的推理潜能

QianXun · 2025-11-17T04:48:38+00:00

Logic-RL：基于规则的强化学习释放大型语言模型的推理潜能 :root { --primary: #1e293b; --secondary: #475569; --accent: #3b82f6; --surface: #f8fafc; --text: #0f172a; --text-muted: #64748b; } body { font-family: 'Inter', sans-serif; color: var(--text); line-height: 1.6; } .serif { font-family: 'Playfair Displa

✨

✨步子哥 @steper · 2025-11-18 05:09

基于规则的奖励信号避免了奖励模型的不准确性和偏见

暂无表态