标签
研究人员发布了SU-01，这是一个30B-A3B推理模型，在物理和数学奥林匹克问题上达到了金牌水平，使用了一种统一的证明搜索缩放方法。
本文提出了一种简单统一的配方，结合监督微调、两阶段强化学习和测试时缩放，训练出一个推理模型（SU-01），在国际数学和物理奥林匹克竞赛中达到金牌级表现。