IXThinker·2025-05-06 11:00

9美元LoRA加強化學習 1.5B推理性能增20%

南加州大學團隊示範極簡後訓練路徑：以LoRA結合強化學習微調1.5B推理模型，只花約9美元便在數學基準AIME 24錄得超過20%性能提升。

極簡技術路線

團隊採用基於LoRA（低秩適應）的強化學習訓練1.5B推理模型，方法極簡卻效果顯著：在數學基準AIME 24上實現超過20%的推理性能提升，而整體訓練成本僅約9美元，性價比驚人。