AI·技术
作者训练了0.8B、2B和9B三种规模的LLM推理智能体下棋，通过调用工具跟踪棋盘状态，在参数量较少的情况下取得不错表现，并借鉴R1的可验证奖励思路。
来源：原文链接 (新窗口)
← 返回搜罗吧首页
本页由搜罗吧(Solo8.cn)信息精选服务自动生成，内容仅供参考，不构成任何建议。