TTRL：如何通过测试时强化学习实现无标注数据下的LLM性能突破？
3天前 高效码农TTRL：无标签数据下的测试时强化学习框架解析 TTRL核心架构示意图 引言：当强化学习遇上无标签测试数据 在大型语言模型（LLMs）的推理任务中，我们常面临一个关键挑战：如何在没有真实标签的测试数据 …
强化学习如何提升AI工具使用能力？揭秘ToolRL的奖励设计奥秘
4天前 高效码农强化学习在工具使用任务中的应用：ToolRL 的奖励设计 在人工智能领域，大型语言模型（LLMs）近年来取得了显著的进步。这些模型不仅能生成自然语言，还能通过与外部工具（如搜索引擎、计算器或代码解释器 …
开源强化学习框架rLLM：复现DeepSeek R1与OpenAI O3的完整指南
19天前 高效码农开源代码推理模型DeepCoder-14B：14B参数媲美o3-mini的技术突破与实践路径 引言：代码生成模型的进化挑战与开源突破 在软件开发复杂度指数级增长的今天，智能代码生成技术已成为提升开发者 …