← 返回系列列表
DeepScaleR 1 个模型
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 |