搜索与提交信息可在 arXiv 进行搜索按回车键搜索还有高级搜索选项。同时可进行提交、捐赠和登录操作。论文基本信息论文属于计算机科学 - 计算与语言领域编号为 arXiv:2607.12395 (cs)。于 2026 年 7 月 14 日提交v1最后于 2026 年 7 月 16 日修订此版本为 v2。标题为“Ring-Zero将零强化学习扩展到万亿参数以实现涌现推理”作者有唐新宇、曹强刚、刘悠柔等 16 人。可查看该论文的 PDF 版本、HTML实验性版本。论文摘要内容无需人工标注数据、具有可验证奖励的强化学习即零强化学习zero RL已成为引发思维链推理的强大范式。但因计算能力限制现有研究多局限于小型模型大规模下的训练动态和涌现能力未被探索。为探索该前沿领域研究旨在从模型中引发高质量推理行为却发现简单扩展会导致可读性差、令牌冗余以及缺乏自适应推理深度等问题。为此提出稳定且高效的训练流程融入算法和系统优化如裁剪重要性采样、训练 - 推理比率校正和混合精度控制。实验得出三个关键发现扩展到 1T 参数显著提高了样本效率和性能上限训练过程依次经历初始发现阶段和锐化阶段模型自发地发展出高级认知行为使手工设计的启发式方法变得多余。在七个数学基准测试中Ring - 2.5 - 1T - Zero 取得了有竞争力的性能。此外为评估思维链CoT质量提出涵盖可理解性、可重复性和效率三个维度的结构化评估框架模型在生成结构化和简洁的推理轨迹方面表现出明显优势。通过分享观察到的涌现现象希望为社区提供对扩展行为的更深入见解特别是在万亿参数规模下。学科分类与引用格式学科分类为计算与语言 (cs.CL)。引用格式为 [arXiv:2607.12395] [cs.CL] 若引用此版本可使用 [arXiv:2607.12395v2] [cs.CL] 还有对应的 DOI 链接。提交历史提交来自詹宇亮。v1 于 2026 年 7 月 14 日周二06:14:55 UTC 提交大小 4310 KBv2 于 2026 年 7 月 16 日周四03:43:34 UTC 提交大小 4310 KB。访问论文方式可查看由唐新宇等 16 位作者撰写的论文《Ring-Zero将零强化学习扩展到万亿参数以实现涌现推理》的 PDF 版本、HTML实验性版本和 TeX 源代码版本。还可查看论文许可。当前浏览上下文及相关操作当前浏览上下文为 cs.CL可进行上一篇、下一篇文章的切换还能查看最新文章、近期文章按月份浏览文章也可切换浏览方式为计算机科学 (cs)。参考文献与引用途径参考文献与引用途径包括 NASA ADS、谷歌学术、语义学术等。还可导出 BibTeX 引用。书签与文献工具可在 BibSonomy、Reddit 上添加书签。文献工具包括文献浏览器、关联论文、Litmaps、scite.ai 等。代码、数据和媒体相关与本文相关的代码、数据和媒体涉及 alphaXiv、代码链接CatalyzeX 论文代码查找器、DagsHub、GotitPub、Huggingface、ScienceCast 等。演示相关演示涉及 Replicate、Hugging Face Spaces、TXYZ.AI 等。相关论文推荐工具推荐器与搜索工具包括影响力花图链接、CORE 推荐器可按作者、发表场所、机构、主题进行推荐。关于 arXivLabsarXivLabs 是一个框架允许合作伙伴直接在网站上开发和分享新的 arXiv 功能。与 arXivLabs 合作的个人和组织需认同并接受开放、社区、卓越和用户数据隐私价值观arXiv 只与遵守这些价值观的合作伙伴合作。若有能为 arXiv 社区增值的项目想法可了解更多关于 arXivLabs 的信息。还可查看本文哪些作者是支持者也可禁用 MathJax。同时表达了对主要资助者、会员机构以及所有贡献者支持的感谢。