标签: reasoning

包含该标签的所有文章 "reasoning".

RLVR 与 GRPO：让小模型拥有推理能力
5 May, 2026
2026 年的突破不在参数规模，而在后训练。通过 RLVR、GRPO 与 On-Policy DPO，小推理模型已能媲美专有系统。