论文显示，在IOI 2024中，o3在严格规则下拿到395.64分，达成金牌成就，并且在CodeForces上的表现与人类精英选手相当。论文中特别提到，中国的DeepSeek-R1和Kimi k1.5通过独立研究显示，利用思维链学习（COT）方法，可显著提升模型在数学解题与编程挑战中的综合表现。R1、k1.5是DeepSeek和Kimi在1月20日同时发布的新型推理模型。该论文通过强化学习（RL）训练的大型语言模型在复杂编码和推理任务上的性能提升，比较了通用推理模型与针对特定领域优化的系统在竞技编程中的表现。研究结果表明，增加强化学习训练计算和测试时计算可显著提升模型性能，使其接近世界顶尖人类选手，这些模型将在科学、编码、数学等领域的AI应用中解锁新的应用体验。原论文地址：https://arxiv.org/abs/2502.06807 ...
PC版：https://www.cnbeta.com.tw/articles/soft/1478184.htm
手机版：https://m.cnbeta.com.tw/view/1478184.htm
arXiv.org
Competitive Programming with Large Reasoning Models
We show that reinforcement learning applied to large language models (LLMs) significantly boosts performance on complex coding and reasoning tasks. Additionally, we compare two general-purpose...
via cnBeta.COM中文业界资讯站 - Telegram Channel
