1 published article
人工智能
RefineRL训练小型语言模型，通过一个怀疑态度的智能体和强化学习，迭代地改进它们自己的竞技编程解决方案。使用该方法的40亿参数模型性能优于320亿参数模型，并接近2350亿参数的水平，这表明对于推理任务来说，自我改进而非原始参数规模，可能是一条更强的扩展路径。
2026-07-25