资讯

腾讯网16 小时

微软rStar2-Agent：新的GRPO-RoC算法让14B模型在复杂推理时超越了前沿大模型

Microsoft ...
腾讯网5 小时

微软开发的14B参数AI：用510步训练就能媲美6710亿参数模型的数学推理 ...

A：rStar2-Agent虽然只有140亿参数，但通过智能体强化学习和工具使用能力，在数学推理上达到了6710亿参数DeepSeek-R1的水平。它的优势包括：训练成本低（只需64个GPU训练一周）、推理效率高（回答长度只有传统模型一半）、准确率更 ...