技术博客

近日，蚂蚁技术研究院与浙江大学联合发布了一项突破性研究成果——Rubicon-preview模型，并提出了一种全新的“基于评分标尺的强化学习（Rubric-based Reinforcement Learning）”范式。该方法仅使用5000多个样本，便使一个30B参数的模型在性能上显著超越了拥有671B参数的DeepSeek V3模型，为提升AI的主观创造力开辟了全新路径。这一研究不仅在技术层面实现了高效训练，也为人工智能领域的发展注入了新的活力。