RT @shao__meng: Andrej Karpathy 2025 年LLM 年終回顧:6 個“範式轉移” 1. RLVR:2025 年強化學習從可驗證獎勵(RLVR)成為LLM 訓練的新標準階段,透過在數學/程式碼等客觀領域長時間優化獎勵,模型自然湧現人類般的「推理…
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20日 13:02
RT @shao__meng: Andrej Karpathy 2025 年LLM 年終回顧:6 個“範式轉移” 1. RLVR:2025 年強化學習從可驗證獎勵(RLVR)成為LLM 訓練的新標準階段,透過在數學/程式碼等客觀領域長時間優化獎勵,模型自然湧現人類般的「推理…