清华AIR+Seed EPIC模型数学推理基准表现优异

清华大学的研究团队开发了一种名为AIR+Seed EPIC的模型，该模型采用基于PPO样式的序列裁剪方法，显著提升了大型语言模型（LLM）的推理能力。该方法通过前缀级exact-KL裁剪策略，稳定了长回复的离策略RLVR。最新报道显示，该模型在数学推理基准上表现出色，但早先报道的具体细节未提及。

Generated by AI from coverage · Updated 3 小时前

还没有足够的连续观测数据，暂不绘制趋势。