研究：RL 后训练哪些题会变好，旧 checkpoint 比先验信号预测更准
arXiv 上这篇挺有意思：想知道 RL 训练后哪些题能解出来，用别的模型训过的 checkpoint 预测，比一堆先验指标都准。
#Qwen2.5-Math-1.5B
共 1 条 · 7 天 1 条 · 30 天 1 条
信息流里打上「Qwen2.5-Math-1.5B」标签的资讯、产品与论文，按刊登时间排，新的在上。
10月6日
arXiv 上这篇挺有意思：想知道 RL 训练后哪些题能解出来，用别的模型训过的 checkpoint 预测，比一堆先验指标都准。