从打分器到思考者：RM-R1用推理重塑模型价值判断 下午11时 2025/05/31 作者 机器之心 言模型的后训练阶段，奖励模型承担着桥接模型行为与人类价值的重要职责；但现有模型往往只给出一个分数，却
超全推理语言模型蓝图来了！揭开o1、o3、DeepSeek-V3神秘面纱 下午12时 2025/01/28 作者 新智元 新智元报道 编辑：KingHZ Aeneas 【新智元导读】 ETH Zurich等机构提出了推理语
