Chinese contentH²R：用分层提示奖励改进数学推理强化学习
一篇 RL 训练新方法：把数学题拆成子问题当奖励里程碑，Qwen2.5-Math-7B 在 HiMath 上从 30.4% 涨到 45.6%
#H²R
1 stories · 1 in 7 days · 1 in 30 days
Stories, products and papers tagged "H²R", newest first.
Oct 30
一篇 RL 训练新方法：把数学题拆成子问题当奖励里程碑，Qwen2.5-Math-7B 在 HiMath 上从 30.4% 涨到 45.6%