全新合成框架SOTA：强化学习当引擎，任务合成当燃料

AntResearchNLP团队 投稿
量子位 | 公众号 QbitAI

下一步，大模型应该押注什么方向？

蚂蚁通用人工智能中心自然语言组联合香港大学自然语言组（后简称“团队”）推出PromptCoT 2.0，要在大模型下半场押注任务合成

实验表明，通过“强起点、强反馈”的自博弈式训练，PromptCoT 2.0可以让30B-A3B模型在一系列数学代码推理任务上实现新的SOTA结果，达到和DeepSeek-R1-0528, OpenAI o3, Gemini 2.5 Pro等相当的表现。