【[88星]RLT：用强化学习训练“教师Agent”，提升大语言模型推理能力的创新项目。亮点：1. 提供高效代码，支持自定义数据集和基础模型；2. 预训练模型可在Hugging Face获取；3. 支持分布式训练，适配多种硬件配置】
'Reinforcement Learning Teachers of Test Time Scaling: Training teachers with reinforcement learning able to make LLMs learn how to reason for test time scaling.'
GitHub: github.com/SakanaAI/RLT
强化学习 大语言模型 推理能力 人工智能 ai兴趣创作计划
