新框架助Qwen跨領域推理升10% 力壓GPT-4o

新推理訓練框架

一支來自加拿大滑鐵盧大學與TikTok新加坡M-A-P團隊的華人研究人員，近日發布全新訓練框架General-Reasoner。該框架採用強化學習方法，令Qwen系列大模型的跨領域推理準確率提升近10%。

更引人注目的是，經過該框架訓練的模型在多個基準測試中超越GPT-4o，並刷新12項基準紀錄，展示了中等規模開源模型經過針對性訓練後的巨大潛力。