Sebastian Raschka

@rikiyatakehi @a1zhang @lateinteraction 顺便说一句，结果真的很酷！不过 Qwen3 模型有点棘手，所以我们还得看看这是否也适用于其他模型和任务。 也就是说，如果你拿 Qwen3 的基座模型（未经任何微调），只做 50 步 GRPO，评估准确率就能从大约 ~15% 提升到 ~50%，见 https://t.co/e8G6kKzpjo