行业与实践 · 研究与基准测试

研究与基准测试/2026-09-22/8 分钟

先看 boN 再开训：火山方舟强化学习用奖励分，不靠标准答案硬拟合

火山方舟做强化学习前，先看参考模型的 boN 是否明显高于 bo1。奖励规则最多 5 条，权重 0.01 到 1000。效果看训练集和测试集的加权奖励。数学案例只写了提升 10% 和幅度 30%，没有绝对正确率。