英伟达推出ProRL方法：强化学习训练至2000步，打造全球最佳1.5B推理AI模型

英伟达推出 ProRL 强化学习方法，开发出 1.5B 参数推理模型 Nemotron-Research-Reasoning-Qwen-1.5B，被认定为全球最佳同类模型。该方法突破传统强化学习限制，将训练时间延长至 2000 步以上，并扩展数据集至数学、编程、STEM 等领域，包含 13.6 万个样本。测试表明，新模型在多项指标上显著优于现有模型，包括数学领域提升 15.7%，编程任务提升 14.4%，展现出强大的泛化能力，为推理模型的发展提供了新方向。
来源：https://tech.ifeng.com/c/8jwEQqsDntT