内容简介 分享两篇RL在LLM中有效性的论文总结要点：GRPO为什么这么好？并非来自奖励正则化，而是“筛选”掉了模型做得全对（太简单）和全错（太难）的样本。（数据依旧是天花板，决定因素）RL真能提升LLM能力吗？不能，只是让 Base Model ...

Sarvam AI is racing to build India’s first sovereign foundational AI model—an ambitious, 70-billion-parameter system designed ...