IXThinker·2025-09-11 18:10

清華KEG提出ReST-RL　統一強化學習範式

清華大學KEG團隊提出統一LLM強化學習新範式ReST-RL，將改進GRPO算法與價值模型輔助的測試時解碼結合，在提升推理能力的同時兼顧效率、穩定性與可拓展性。

推理翻車困境

大語言模型是否真正具備推理能力一直存爭議：面對複雜代碼、多步邏輯與抽象任務，模型常出現邏輯跳躍、步驟混亂、答非所問等問題，推理能力成為行業攻堅焦點。