注目★★★★★Hugging Face Papers
1兆パラメータで推論が自己進化、Ring-Zero が示す零RL スケーリングの可能性
30秒で把握
- 1零 RL を 1 兆パラメータまでスケーリングしたモデル Ring-2.5-1T-Zero 開発・7 数学ベンチマークで競争力達成
- 2スケーリングで自己検証・平行推論など複数認知行動が自発出現・手作りヒューリスティクス不要に
- 3クリップ重要度サンプリングなどの最適化手法を適用・大規模推論モデル開発チームが検証対象に
要約
Hugging Face の研究チームは、人間注釈なしで推論を強化する「零 RL」を 1 兆パラメータまでスケーリングした Ring-Zero を発表した。クリップ重要度サンプリングや訓練推論比補正などの最適化により、安定した学習パイプラインを実現した。スケーリングにより、サンプル効率が大幅に向上し、自己検証・平行推論・構造化フォーマットなど複数の認知行動が自発的に出現し、手作り試行錯誤の必要性が減少することを確認した。
あなたへの影響
この記事が日本のエンジニアに与える影響と、今日取るべきアクションは、Personal会員向けに掲載しています。
クレカ不要・いつでも解約