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
- 调侃 OpenAI「失控 Agent 集体」：起名叫 gaggle of agents 更萌 — BlackHC · 2026-09-11
- 爆料称 Kimi 疑似转发 Claude 冒充自家成绩，DeepSeek 新模型评测反超 — realsohamparekh · 2026-09-11
- 翼龙侦探:全程 AI 生成的概念片先导预告亮相 — PterodactylDetective · 2026-09-11
- Imperium 游戏预告片曝光,AI 视频生成再秀肌肉 — keaslenyt · 2026-09-11
- 特斯拉 FSD 被曝以 75 英里时速上人行浮桥?真相是雪佛兰背锅 — mariolefebvre · 2026-09-11
- Anthropic 研究员被指暗中窥探学术客户研究、抢先出成果引争议 — basedjensen · 2026-09-11