资讯

业内首次! 全面复现DeepSeek-R1-Zero数学代码能力，训练步数仅需其1/10
4月23日,快手Kwaipilot团队发布全新大模型训练方法SRPO并宣布开源。该方法仅用 GRPO 1/10的训练成本,在数学与代码双领域基准测试中实现性能突破:AIME2024 得分50,LiveCodeBench ...
China.org.cn2 天
UNESCO intangible cultural heritage: Chinese seal engraving
By inscribing Chinese seal engraving on the Representative List of Intangible Cultural Heritage, UNESCO has reaffirmed its ...
快手Kwaipilot团队全面复现DeepSeek-R1-Zero数学代码能力，训练步数仅需其1/10
4月23日，快手Kwaipilot团队发布全新大模型训练方法SRPO并宣布开源。该方法仅用 GRPO 1/10的训练成本，在数学与代码双领域基准测试中实现性能突破：AIME2024 得分50，LiveCodeBench 得分41.6，成为业界首个在两大专业领域同时复现DeepSeek-R1-Zero 的方法。