资讯

腾讯网10 小时
136张截图,vivo开源DeepSeek R1式强化学习,提升GUI智能体预测
基于规则的强化学习（RL/RFT）已成为替代 SFT 的高效方案，仅需少量样本即可提升模型在特定任务中的表现。该方法通过预定义奖励函数规避人工标注成本，如 DeepSeek-R1 ...