thermal energy storage

新的RLVR方法微调推理模型以实现储能控制

研究人员开发了一种名为基于验证器的强化微调（RLVR）的新颖方法，用于将开放权重推理模型改编用于复杂的控制任务，例如建筑物的热能存储管理。该方法将精确的动态规划动作值转换为密集奖励，从而能够使用少量提示进行微调。研究表明，RLVR在模拟办公楼中显著减少了排放，使性能接近最优动态规划解决方案。值得注意的是，GPT-5在没有特定任务训练的情况下表现强劲，而GPT-4o则表现不佳，这凸显了推理时推理能力的重要性。