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…
正在載入線程內容
正在從 X 取得原始推文,整理成清爽的閱讀畫面。
通常只需幾秒鐘,請稍候。
正在載入線程內容
正在從 X 取得原始推文,整理成清爽的閱讀畫面。
通常只需幾秒鐘,請稍候。
共 1 則推文 · 2025年12月20日 下午1:02
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…