Kwaipilot 团队全面复现 DeepSeek-R1-Zero 数学代码能力
4月23日，快手Kwaipilot团队发布全新大模型训练方法SRPO并宣布开源。该方法仅用 GRPO 1/10的训练成本，在数学与代码双领域基准测试中实现性能突破：AIME2024 得分50，LiveCodeBench 得分41.6，成为业界首个在两大专业领域
代码 数学 sr kwaipilot团队 kwaipilot 2025-04-24 16:15 2
kwaipilot团队
Kwaipilot团队全面复现DeepSeek-R1-Zero数学代码能力，训练步数仅需其1/10
4月23日，快手Kwaipilot团队发布全新大模型训练方法SRPO并宣布开源。该方法仅用 GRPO 1/10的训练成本，在数学与代码双领域基准测试中实现性能突破：AIME2024 得分50，LiveCodeBench 得分41.6，成为业界首个在两大专业领域
训练 代码 数学 kwaipilot团队 kwaipilot 2025-04-24 13:50 3