机构

Baidu

中国科技公司，以搜索引擎和文心（ERNIE）大模型系列著称，拥有广泛的人工智能与深度学习研究。

按数学→代码→问答→写作顺序做 RL 后训练，数学从峰值 66.49 跌到 57.66，可梯度看上去却是正交的。末尾补一段短数学复习，数学回到 66.04，其余三域几乎不动。