红板报 on MSN15 小时
01年实习生被曝负责字节RL核心算法！系字节LLM攻坚小组成员
衡宇 发自 凹非寺量子位 | 公众号 QbitAI 一个超越DeepSeek GRPO的关键RL算法出现了！ 用上该算法后，Qwen2.5-32B模型只经过RL训练，不引入蒸馏等其他技术，在AIME ...