NuerIPS

四个审稿人全给6分，NuerIPS唯一满分论文炸了！ 之所以说它炸，主要是论文给出的结论实在太出人意料了—— 真正决定推理上限的是基座模型本身而非强化学习，且蒸馏比强化学习更有望实现大模型自我进化。 好家伙，这无异于给正炙手可热的RLVR（可验证奖励的强化学习）迎面泼下一盆冷水~ RLVR，自大模型推理范式开启后就成为一众主流模型（如OpenAI-o1、De…