新框架让Qwen超越GPT4o华人团队让Qwen跨领域推理提升10%
一项新的强化学习方法，直接让Qwen性能大增，GPT-4o被赶超！
来自加拿大滑铁卢大学与TikTok新加坡，M-A-P的华人团队提出了一种全新训练框架：General-Reasoner。
结果直接让Qwen系列大模型的跨领域推理准确率提升近10%，在多个基准测试中甚至超越GPT-4o。
当前，强化学习（RL）被视为提升模型推理能力的关键手段。其中，Zero-RL方法通过直接训练基础模型，已在数学和编程等结构化任务上展现出强大效果。
问题是，这些方法往往局限于数据丰富、答案结构清晰的领域，在面对物理、金融或人文社科等更广泛的领域时，模型难以有效泛化。
接下来看看研究团队是如何解决这些推理难题的👇
猜你喜欢
【57评论】【50点赞】
【14点赞】
【77评论】【4点赞】
【10评论】【3点赞】
【69评论】【9点赞】
作者最新文章
热门分类
科技TOP
科技最新文章