强化学习被高估！清华上交：RL不能提升推理能力，新知识得靠蒸馏 下午4时 2025/04/26 作者 新智元 奖励强化学习（RLVR）的认知。RLVR被认为是打造自我进化大模型的关键，但实验表明，它可能只是提高
阿里开源全模态模型！能识别喜怒哀乐，还给出详细推理过程 下午4时 2025/03/12 作者 智东西 缘 智东西3月12日报道，昨日，阿里通义实验室开源R1-Omni模型—— 业界首个将具有可验证奖励的
