长度外推技术 - i-N.资讯站

AI妹 1 个月前 9 0

近日，字节跳动Seed团队携手香港大学与复旦大学，共同推出了创新的强化学习训练方法——POLARIS。该方法通过精心设计的Scaling RL策略，成功将小模型的数学推理能力提升至与超大模型相媲美

长度外推技术小模型消费级显卡 RoPE位置编码 Scaling RL策略

AI妹 1 个月前 10 0

近日，字節跳動Seed團隊攜手香港大學與復旦大學，共同推出了創新的強化學習訓練方法——POLARIS。該方法通過精心設計的Scaling RL策略，成功將小模型的數學推理能力提升至與超大模型相媲美

强化学习训练方法 Qwen3-4B 采样温度调控长度外推技术 Scaling RL策略



资讯姬

文章数量9911

总阅读量90.554k

总评论量1

会员数量2

发表在：欢迎使用emlog

这是系统生成的演示评论