NVIDIA启动PRORL方法：研究研究练习2000步，创建世

这是6月5日的新闻，技术媒体Marktechpost昨天（6月4日）发布了一篇博客文章，报道NVIDIA启动了Prorl的强化方法，并开发了最佳的1.5B参数推理模型，该模型是Nemotron-Research-Reasing-reasing-Qwen-Qwen-1.5B。背景简介推理模型是一个专业的人工智能系统，它通过详细的长链推理（COT）生成最终答案。研究结构（RL）扮演着非常重要的训练角色。 DeepSeek和Kimi之类的团队使用增强学习方法（RLVR）方法来促进算法，例如GRPO，Mirror Descent和Rloo。但是，研究人员仍在争论教育是否确实提高了了解大语言模型（LLM）的能力。现有数据表明，RLVR未能显着超出Pass@K指示器中的基本模型，该模型显示出识别能力的扩展有限。此外，当前的研究重点是特定诸如数学和模型之类的FIC领域通常被过度训练，从而限制了潜在的探索。同时，训练步骤的数量通常仅几百个步骤，这不允许该模型完全开发新的功能。 NVIDIA研究团队启动了Prorl的过程，PRORL方法的突破和应用解决了上述问题，该过程扩大了2,000多个步骤的加强教育时间，并在许多领域扩大了培训数据，例如数学，节目，程序，程序，STEM，STEM，逻辑，逻辑难题和教学合规性，覆盖136,000个例子。他们使用VERL框架和增强的GRPO方法开发了Nemotron-Research-Reaseering-QWEN-1.5B模型。这是对世界上1.5b参数的理解的最佳模型，它超过了DeepSeek-R1-1.5b的主要模型，而不是增长更大的DeepSeek-R1-7B。测试结果表明，该模型在数学领域增加了15.7％，编程任务通行证的准确性@1增加了14.4％，STEM推理和指令依从性分别增加了25.9％和22.0％，逻辑难题的奖励价值增加了​​54.8％，这是一种强大的能力。参考参考有房子