资讯

36氪18 天
01年实习生被曝负责字节RL核心算法，系字节LLM攻坚小组成员
经验不再是唯一筹码，好奇心与执行力才是通行证。 一个超越DeepSeek GRPO的关键RL算法出现了！ 用上该算法后，Qwen2.5-32B模型只经过RL训练，不引入 ...