大模型推理学习新范式！ExGRPO框架：从盲目刷题到聪明复盘
科技前沿
大模型推理学习新范式！ExGRPO框架：从盲目刷题到聪明复盘

大模型在强化学习过程中，终于知道什么经验更宝贵了！来自上海人工智能实验室、澳门大学、南京大学和香港中文大学的研究团队，最...

八卦小灵通 2025年10月23日