RLVR：让 LLM 具备代码与数学能力的底层技术
burkov · x · 2026-08-17
RLVR (Reinforcement learning with verifiable reward) 是近期 LLM 在代码编写、数学求解和 Agent 能力上取得突破的关键技术。该技术最早由 AllenAI 团队发表，早于 DeepSeek R1。现在可以通过 ChapterPal 平台的相关教程学习这篇突破性论文。
「研究」频道最新
- 论文：探讨 Bregman divergences 的数学新视角 — FrnkNlsn · 2026-08-17
- Latent On-Policy Self-Distillation 提升智能体性能 — NationalUniversityofSingapore · 2026-08-17
- 实测发现插入不可见字符可移除 Claude 水印 — Available-Deer1723 · 2026-08-17
- 迈阿密大学推AI工具，可从零发明全套人造语言 — begusgasper · 2026-08-17
- 研究：细微架构选择严重阻碍模型长上下文能力 — rohanpaul_ai · 2026-08-17
- 苹果新基准揭露大模型数学能力假象：仅靠模式匹配 — anirbanbandyo · 2026-08-17