2025年6月15日
ProRL：基于长期强化学习让1.5B小模型推理能力超越7B大模型
摘要： 这个研究挑战了强化学习仅能放大现有模型输出能力的传统观点，通过实验证明长期强化学习训练（ProRL）能够使基础模型发现全新的推理策略。ProRL方法体系包含KL散度控制机制、参考策略重置技术以及多元化任务训练集。 ProRL核心方法论 基于GRPO的强化学习算法 ProRL采用组相对策略优化（Gro 阅读全文
posted @ 2025-06-15 10:26 deephub 阅读(27) 评论(0) 推荐(0)