多阶段强化学习

近日，上海人工智能实验室团队推出的开源模型家族P1在国际物理奥林匹克竞赛（IPhO）2025理论考试中取得历史性突破。其旗舰模型P1-235B-A22B以21.2/30分的成绩，成为首个达到金牌线的开源模型，仅次于Gemini-2.5-Pro与GPT-5。这一成就不仅标志着国产大模型在复杂科学推理领域的重大进展，更通过创新的多阶段强化学习与智能体框架设计，为…