IXThinker·2025-04-06 19:40

DeepSeek聯清華發表獎勵模型推論時擴展新法

DeepSeek與清華研究者共同發表新論文，探討獎勵模型的推論時擴展方法。外界關注這是否為下一代模型R2鋪路，認為先進模型的推進步伐有望再度加快。

研究焦點

論文探討獎勵模型的推論時Scaling方法，並已發布於Arxiv平台供公眾查閱。研究指強化學習已廣泛應用於LLM的大規模後訓練階段，採用合適的學習方法，有望實現有效的推理時可擴展性。