新智元报道编辑，LRS，新智元导读，只需几十个样本即可训练专家模型，强化微调RLF能掀起强化学习热潮吗，具体技术实现尚不清楚，AI2此前开源的RLVR或许在技术思路上存在相似之处，在2016年的Neu...