万亿参数纯RL涌现推理
mhmazur · x · 2026-07-19
这条转发讲的是一篇 arXiv 论文《Ring-Zero: Scaling Zero RL to a Trillion Parameters for Emergent Reasoning》。
核心结论是：在不依赖人工标注推理轨迹的情况下，单靠规模和可验证奖励，模型也能涌现出更高级的逻辑推理能力。研究对象是一个万亿参数级 Mixture of Experts 模型。
「Fun」频道最新
- 网友给 Grok 出“海洋生物比喻+综上所述”暗号题，模型一眼识破翻车 — vista8 · 2026-10-27
- 梗图：研究者拒绝「真实世界」，只要 iid 数据 — miniapeur · 2026-10-27
- 梗图：现代 PC 静音如抚摸，老式开机像阿帕奇直升机 — miniapeur · 2026-10-27
- Gary Marcus 吐槽对方拉黑：这样我就没法回嘴了，真勇敢 — GaryMarcus · 2026-10-27
- Anthropic 周一早间提交 S-1，VC 吐槽没空写解读 — mattturck · 2026-10-27
- Claude 突然满口英式拼写,用户困惑模型「以为我是英国人」 — cantrell · 2026-10-27