轻松打造出各种AI专家 OpenAI 昨晚王炸更新 灵感竟来自字节论文

“再次强调，这不是传统的微调。 这是强化微调，它真正利用了强化学习算法，将我们的模型从高中学生水平提升到了专家博士水平。”