Reasoning

Microsoft Phi-4 показал, что аккуратная, «учебная» подборка данных и дисциплинированный SFT с каплей RL способны превзойти куда более крупные модели. Меньше токенов — больше смысла: от отбора задач на грани умений до модульной настройки доменов и синтетических переписываний под проверяемые ответы.

Weibo открыла исходники VibeThinker-1.5B — компактного LLM на 1,5 млрд параметров, который с минимальным бюджетом пост-тренировки обходит куда более крупные модели на задачах логики, математики и кода.