オプション
家
速報
コンテンツ
FredWhite
FredWhite
2026年4月8日

アリババのTongyi Labは、強化学習モデルが複雑な推論を処理できるようにするFIPOアルゴリズムを発表しました。このアルゴリズムは推論の長さを1万トークンを超えるレベルまで拡張し、重要な成果を上げました。すなわち、純粋な強化学習環境下でFIPOを採用した320億パラメータ規模のモデルが、一部の評価指標においてOpenAIのo1-miniを含む競合モデルを上回ったのです。

コメント (0)
0/300
OR