并采用PPO/GRPO算法优化模型，RL模型具备主动链式思维、验算能力， 摘要：强化学习（RL）阶段通过让模型自主生成并验证答案，使其在数学、代码等领域形成独特的推理路径， ，突破SFT阶段的模仿局限，显著提升正确率（如AIME竞赛准确率从15%升至56%），RL通过可验证题的对错奖励机制，模型会自发涌现自我检查、回滚等策略，赋予模型超越人类范式的推理能力，RL流程包括批量生成解答、自动批改筛选正确路径，三阶段对比显示，。
形成真正的思考模型，与SFT模型相比，响应时间更长但效果更优。
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
