2025年是大语言模型飞速发展且充满变数的一年，我们取得了丰硕的成果。以下是我个人认为值得关注且稍感意外的“范式变革”，这些变革改变了格局，至少在概念层面让我印象深刻。 长期以来，这是训练生产级大语言模型的稳定且成熟的技术堆栈。到了2025年 ...

RLHF（人类反馈强化学习）：2022 年开始广泛流行。 而到了 2025 年，RLVR 开始加入其中。 模型通过在可自动验证的奖励环境中进行强化学习训练，会自发地形成推理策略，比如将问题分解为中间计算、循环计算等，具体可参考 DeepSeek R1。 而这些策略如果用旧范式 ...