随缘随笔
Insights Flow
0%

2025-11-18-insights

发表于 更新于 分类于 阅读次数： Valine：
本文字数： 109 阅读时长 ≈ 1 分钟

P1: Mastering Physics Olympiads with Reinforcement Learning

好像是第一个开源的ipho金牌模型。作者在qwen 235-A22的基础上进一步做了物理的domain sft/rl

相关文章