● 利用无监督 RLVR 扩展 LLM 训练

📌 一句话摘要 探索使用无监督变动资源强化学习（RLVR，Reinforcement Learning from Variable Resources）扩展 LLM 训练的可扩展性。 📝 详细摘要 这篇推文分享了一篇研究论文，调查了通过无监督变动资源强化学习（RLVR）扩展大语言模型训练的极限与