#Qwen-1.5B12.08.2025
ProRLv2: NVIDIA удлиняет RL до 3000 шагов и усиливает способность LLM к рассуждению
ProRLv2 увеличивает горизонт RL до 3000 шагов и демонстрирует значительные улучшения рассуждения в компактных языковых моделях, подтверждённые приростами по математике, кодированию и логике.