腾讯发布超低成本AI训练法！120元效果秒杀70000元微调方案

腾讯优图提出无需微调的“无训练GRPO”方法，通过构建外部经验库优化大模型行为。实验显示，该方法在仅用100个样本、成本约18美元的情况下，使DeepSeek-V3.1-Terminus在数学推理任务上最高提升5.4%，网页搜索Pass@1得分提升至68.6%，显著优于传统高成本微调方案，且适用于高能力模型的跨领域性能增强。
来源：https://mp.weixin.qq.com/s/M6AR3py1zTm26QMQq_L3Zg