Ring-Zero：将零强化学习扩展至万亿参数并观察涌现推理行为

论文研究无人工标注、依靠可验证奖励的零强化学习在万亿参数规模下的训练动态。作者提出包含裁剪重要性采样、训练—推理比例校正和混合精度控制的训练流水线，并报告Ring-2.5-1T-Zero在七项数学基准上的表现及可读性、可复现性和效率优势。