机器学习POD 机器学习POD
  • 机器学习基础
  • 强化学习基础
  • 大模型
  • 其它
  • 大模型可视化

23
2025/12

大模型

从 0.5B 到 72B:揭秘 RL Post-Training 中的计算、数据与模型规模权衡

论文标题:Scaling Behaviors of LLM Reinforcement Learning Post-Training: An Empir ...
13 小时前
9 0

专题展示

从 0.5B 到 72B:揭秘 RL Post-Training 中的计算、数据与模型规模权衡
13 小时前
【深度专访】Gemini 3 预训练负责人:我们不再只是构建模型,而是构建 AI 系统
2 天前
为什么 RM 总是学不好推理?揭秘 BT Loss 中被忽视的“距离偏差”
5 天前
  • 机器学习基础
  • 强化学习基础
  • 大模型
  • 其它
  • 大模型可视化
Copyright © 2017-2025 机器学习POD. 京公网安备11010802044892号 京ICP备2021031854号
  • 机器学习基础
  • 强化学习基础
  • 大模型
  • 其它
  • 大模型可视化