万亿参数Zero RL研究
yogthos · reddit · 2026-07-17
论文：Ring-Zero
这篇论文讨论了如何将 Zero RL 扩展到 万亿参数 规模，并观察到用于推理的涌现能力。作者重点关注的是：当 RL 规模被进一步放大时，模型行为和推理能力会出现怎样的变化。
从标题来看，它属于偏方法与实证性质的研究工作，核心价值在于探讨大规模强化学习训练与推理涌现之间的关系。
所属事件:万亿参数Zero RL模型Ring-Zero发布(4 条相关)→
「研究」频道最新
- 开源决策模型打《红色警戒2》：先卖基地后自瞄自炸，训练后无人能敌 — heathercmiller · 2026-10-27
- DeepMind 论文：LLM 无法自行随机采样，需外部传入随机数 — rohanpaul_ai · 2026-10-27
- 世界模型新玩法：物体赋重量摩擦系数，物理引擎推演机器人动作 — jonstephens85 · 2026-10-27
- 剑桥等机构论文揭露图软提示的 token collapse 病态行为 — Sapienza · 2026-10-27
- Mathathon 2.0 启动：与陶哲轩 SAIR 合作，团队获 150 万美元算力 — _sathvikr · 2026-10-27
- 推友提出「甜课程」真实存在：两类 ML 问题应分而治之 — mike64_t · 2026-10-27