PulseAugur
中
实时 17:56:09
实体 Ring-Zero: Scaling Zero RL to a Trillion Parameters for Emergent Reasoning

Ring-Zero: Scaling Zero RL to a Trillion Parameters for Emergent Reasoning

PulseAugur coverage of Ring-Zero: Scaling Zero RL to a Trillion Parameters for Emergent Reasoning — every cluster mentioning Ring-Zero: Scaling Zero RL to a Trillion Parameters for Emergent Reasoning across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_144549 ·

    万亿参数模型通过RL学习推理，无需人类示例 · 跟踪1个来源

    一篇新的arXiv论文《Ring-Zero: Scaling Zero RL to a Trillion Parameters for Emergent Reasoning》详细介绍了一个使用强化学习训练的1万亿参数混合专家模型。该模型在数学基准测试中取得了高分，没有依赖人类编写的推理示例，而是从可验证的奖励和格式奖励中学习。研究强调了“推理工程”正从手动脚本编写转向动态训练过程，表明复杂的推理行为可以从具有适当奖励结构的大规模训练中涌现出来。