IXThinker·2025-03-06 15:102B模型重現「啊哈時刻」 純強化學習煉成
UCLA等機構組成的研究團隊宣布全球首次突破：在僅20億參數、未經監督微調的模型上，以DeepSeek-R1-Zero方法重現多模態視覺推理的「啊哈時刻」。
小模型湧現推理
團隊在未經監督微調（非SFT）的2B模型上，見證了基於DeepSeek-R1-Zero方法的視覺推理「啊哈時刻」。這意味著不依賴大規模模型與監督數據，純強化學習亦能令小型模型湧現推理行為。
IXThinker 會員內容
呢篇係 Archive 內容。登入即可解鎖全文，仲有成個 15,000+ 篇、每日更新嘅 AI 動態資料庫。
免費登入／註冊解鎖全文 →Google 或電郵地址即可，即刻解鎖。