字节跳动Seed团队发布POLARIS强化学习方法，4B模型超越235B模型的数学推理能力 字节跳动的Seed团队与香港大学和复旦大学联合推出了一项突破性的强化学习方法——POLARIS。这一创新的训练方法专门针对小规模模型的数学推理能力进行了优化。通过引入定制化训练数据、超参数设置以及... 大模型# POLARIS# Qwen3-4B# 小模型训练 1年前02400
