← 返回系列列表

DeepScaleR 1 个模型

UC Berkeley · 2025.02 - 2025.02

发布时间线

2025.02.12
DeepScaleR-1.5B-Preview
通过强化学习(RL)微调实现高性能推理 采用“先短后长”的上下文扩展策略(8K->16K->24K) ...
发布日期 公司 模型名称 类型 特性
2025-02-12 UC Berkeley DeepScaleR-1.5B-Preview 通过强化学习(RL)微调实现高性能推理 采用“先短后长”的上下文扩展策略(8K->16K->24K) 低成本训练(约4500美元,3800个A100 GPU小时) 结合知识蒸馏与强化学习提升小型模型推理能力