顺便提一下,是Rednote。但就像英伟达的论文一样,它并非“从零开始预训练”,而只是训练过程中的另一个阶段。当然,还有Qwen。 我认为这会成为主流,它本质上重构了目前围绕合成数据和RLVR的混乱实践。响应长度的问题值得关注👀
正在加载线程详情
正在从 X 获取原始推文,整理成清爽的阅读视图。
通常只需几秒钟,请稍候。
正在加载线程详情
正在从 X 获取原始推文,整理成清爽的阅读视图。
通常只需几秒钟,请稍候。
共 1 条推文 · 2025年12月4日 04:35
顺便提一下,是Rednote。但就像英伟达的论文一样,它并非“从零开始预训练”,而只是训练过程中的另一个阶段。当然,还有Qwen。 我认为这会成为主流,它本质上重构了目前围绕合成数据和RLVR的混乱实践。响应长度的问题值得关注👀