媒体AWS Machine Learning Blog2026/04/07 01:546820
• RLVR技术优化工具调用
• 57%准确率提升
本文展示如何通过Amazon SageMaker AI的RLVR技术优化Qwen 2.5 7B Instruct模型的工具调用能力。利用无服务器定制功能，结合合成数据训练和奖励函数设计，使模型在未见过的场景中准确率提升57%。核心亮点包括自动化基础设施管理、组相对策略优化（GRPO）机制及跨场景泛化能力，为智能代理的生产部署提供可靠解决方案。
专题：grpo
按该标签聚合的大模型资讯列表（自动分类与标签提取）。共 4 篇文章。
媒体AWS Machine Learning Blog2026/03/26 01:307970
• Amazon Bedrock支持RFT训练，无需端点配置
• 使用OpenAI API进行模型强化微调
Amazon Bedrock推出强化微调功能，支持OpenAI兼容API，简化LLM训练流程。通过奖励函数和自动化训练，开发者可高效定制模型，适用于数学推理等任务。文章提供完整代码示例和监控方法，适合开发者和研究人员参考。
社区Reddit r/LocalLLaMA2026/02/12 21:2840
研究者使用 GRPO 与 LoRA 对开源 120B 模型 gpt‑oss‑120b 进行微调，针对 2025 年特朗普行为的 2,790 条二元预测题进行训练。模型在 682 条留出测试集上取得 Brier Score 0.194、ECE 0.079，分别优于基线模型和 GPT‑5（0.200、0.091），并在带/不带上下文两种情形下均表现更佳。实验细…
媒体Ahead of AI2025/12/30 20:227950
• 推理模型推动LLM性能提升
• RLVR和GRPO算法降低成本
2025年大语言模型发展聚焦于推理能力提升、RLVR与GRPO算法应用，以及开源模型的进展。文章分析了模型训练成本、工具使用对减少幻觉的影响，并指出评估体系仍不完善。未来趋势包括扩散模型在行业中的应用和推理扩展的优化。