JustRL: Scaling a 1.5B LLM with a Simple RL Recipe
Bingxiang He · Zekai Qu · Zeyuan Liu · Yinghao Chen · Yuxin Zuo · Cheng Qian · Kaiyan Zhang · Weize Chen · Chaojun Xiao · Ganqu Cui · Ning Ding · Zhiyuan Liu
首次获取该候选人的完整档案及 StartLux 评估共 20 积分;每位用户单独解锁,之后查看免费。主动刷新 20 积分。
实时查找电子邮箱,费用不超过20积分;未找到邮箱不扣费。
Bingxiang He · Zekai Qu · Zeyuan Liu · Yinghao Chen · Yuxin Zuo · Cheng Qian · Kaiyan Zhang · Weize Chen · Chaojun Xiao · Ganqu Cui · Ning Ding · Zhiyuan Liu
Xuekai Zhu · Daixuan Cheng · Dinghuai Zhang · Henry Li · Kaiyan Zhang · Che Jiang · Youbang Sun · Ermo Hua · Yuxin Zuo · Xingtai Lv · Qizheng Zhang · Lin Chen · Fanghao Shao · Bo Xue · Yunchong Song · Zhenjie Yang · Ganqu Cui · Ning Ding · Jianfeng Gao · Xiaodong Liu · Bowen Zhou · Hongyuan Mei · Zhouhan Lin
Runze Liu · Jiakang Wang · Yuling Shi · Zhihui Xie · Chenxin An · Kaiyan Zhang · Jian Zhao · Xiaodong Gu · Lei Lin · Wenping Hu · Xiu Li · Fuzheng Zhang · Guorui Zhou · Kun Gai
Bingxiang He · Yuxin Zuo · Zeyuan Liu · Shangziqi Zhao · Zixuan Fu · Junlin Yang · Cheng Qian · Kaiyan Zhang · Yuchen Fan · Ganqu Cui · Xiusi Chen · Youbang Sun · Xingtai Lv · Xuekai Zhu · Li Sheng · Ran Li · Huan-ang Gao · Yuchen Zhang · Lifan Yuan · Bowen Zhou · Zhiyuan Liu · Ning Ding
Haozhan Li · Yuxin Zuo · Jiale Yu · Yuhao Zhang · Yang Zhaohui · Kaiyan Zhang · Xuekai Zhu · Yuchen Zhang · Tianxing Chen · Ganqu Cui · Dehui Wang · Dingxiang Luo · Yuchen Fan · Youbang Sun · Jia Zeng · Jiangmiao Pang · Shanghang Zhang · Yu Wang · Yao Mu · Bowen Zhou · Ning Ding
Kaiyan Zhang · Kai Tian · Runze Liu · Sihang Zeng · Xuekai Zhu · Guoli Jia · Yuchen Fan · Xingtai Lv · Yuxin Zuo · Che Jiang · Yuru wang · Jianyu Wang · Ermo Hua · Xinwei Long · Junqi Gao · Youbang Sun · Zhiyuan Ma · Ganqu Cui · Ning Ding · Biqing Qi · Bowen Zhou
Pengfei Li · Shijie Wang · Fangyuan Li · Yikun Fu · Kaifeng Liu · Kaiyan Zhang · Dazhi Zhang · Yuqiang Li · Biqing Qi · Bowen Zhou
Reinforcement learning (RL) paradigms have demonstrated strong performance on reasoning-intensive tasks such as code generation. However, limited trajectory diversity often leads to diminishing returns, which constrains the achievable performance ceiling. Search-enhanced RL alleviates this issue...
Jian Zhao · Runze Liu · Kaiyan Zhang · Zhimu Zhou · Junqi Gao · Dong Li · Jiafei Lyu · Zhouyi Qian · Biqing Qi · Xiu Li · Bowen Zhou