本研究提出了一种新方法TTRL，通过未标记数据对大规模语言模型进行强化学习训练，显著提升了模型性能，Qwen-2.5-Math-7B在AIME 2024上的通过率提高了约159%。

测试时强化学习（TTRL）
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证