AI Lab

不蒸馏 R1 也能超越 DeepSeek，上海 AI Lab 用 RL 突破数学推理极限

不蒸馏 R1 也能超越 DeepSeek，上海 AI Lab 用 RL 突破数学推理极限

从 Qwen2.5-32B-Base 模型出发，仅通过微调和基于结果反馈的强化学习，在不蒸馏超大模型如 DeepSeek-R1 的情况下，就能超越 DeepSeek-R1-Distill-Qwen32B 和 OpenAI-O1 系列的超强数学推理性能。

1

资讯热榜

浙大满血版 DeepSeek 上线免费使用：无惧系统繁忙，全国 829 所 CARSI 联盟高校开放共享阿里通义万相宣布即将开源视频生成模型WanX 2.1 2025最新版DeepSeek保姆级安装教程：本地部署+避坑指南 DeepSeek 推出 NSA 技术：加速长上下文训练与推理阿里国际开源Ovis2系列多模态大语言模型共有六个版本清华大学AIR联合水木分子开源DeepSeek版多模态生物医药大模型BioMedGPT-R1 DeepSeek服务器繁忙？实测30个接入平台，28个快速直达！从大模型性能优化到DeepSeek部署

标签云