全新推理时Scaling论文联手清华震撼发布

【新智元导读】DeepSeek新论文来了!在清华研究者共同发布的研究中，他们发现了奖励模型推理时Scaling的全新方法。DeepSeekR2，果然近了。最近，DeepSeek和清华的研究者发表的这篇论文，探讨了奖励模型的推理时Scaling方法。论文地址:https://arxiv.org/abs/2504.02495现在，强化学习（RL）已广泛应用于LLM的大规模后训练阶段。