攻克强化学习「最慢一环」！交大字节联手，RL训练速度飙升2.6倍 随着DeepSeek、GPT-4o、Gemini等模型的激烈角逐，大模型“深度思考”能力的背后，强化学习（RL）无疑是那把最关键的密钥。 交大 字节 rl rl训练 交大字节 2025-09-13 16:26 3