Chinese contentLM2LM：用 RL 训练 LLM 提出语言模型改进方案
用世界模型当奖励模型训练 AI 自己改进模型，Qwen3.8-27B 训完居然超过 GPT-6-sol，成本还降了 33%。
#LM2LM
1 stories · 1 in 7 days · 1 in 30 days
Stories, products and papers tagged "LM2LM", newest first.
10月19日
用世界模型当奖励模型训练 AI 自己改进模型，Qwen3.8-27B 训完居然超过 GPT-6-sol，成本还降了 33%。