新智元报道 编辑：LRST Time-R1 通过三阶段强化学习提升模型的时间推理能力，其核心是动态奖励机制，根据任务难度和训练进程调整奖励，引导模型逐步提升性能，最终使 3B 小模型实现全面时间推理能力，超越 671B 模型。 时间，是我们日常生活中最基础的概念。 但对于大语言模型（LLM）来说，它
新智元报道 编辑：LRST Time-R1 通过三阶段强化学习提升模型的时间推理能力，其核心是动态奖励机制，根据任务难度和训练进程调整奖励，引导模型逐步提升性能，最终使 3B 小模型实现全面时间推理能力，超越 671B 模型。 时间，是我们日常生活中最基础的概念。 但对于大语言模型（LLM）来说，它
By