论文10:04基于验证器的强化微调推理模型优化建筑热能存储控制这篇论文用30条提示微调开源模型,让建筑冷负荷调度排放从70.5降到61.2,逼近最优,比GPT-4o强得多。#RLVR#RFT#GPT-5#GPT-4oaarXiv cs.LG@Takumi Shioda 等 3 人原文稍后读已读值得跟进有用关注 RLVR