阿里巴巴的通一实验室推出了FIPO算法,使强化学习模型能够处理复杂的推理任务。该算法将推理长度扩展至超过10,000个令牌,并取得了一项关键成果:在纯强化学习设置下,采用FIPO算法的320亿参数模型在某些指标上超越了包括OpenAI的o1-mini在内的竞争对手。
评论 (0)
0/300





首页
