Ring-Zero：將 Zero RL 擴展到兆級參數實現推理涌現能力

研究團隊成功將零樣本強化學習（Zero RL）擴展至 1 兆（1T）參數規模，開發出名為 Ring-2.5-1T-Zero 的模型。針對大規模模型在推理行為訓練中常出現的可讀性差、Token 冗餘以及缺乏適應性推理深度等問題，團隊引入了剪輯重要性採樣（clipped importance sampling）、訓練推理比率校正（training-inference ratio correction）以及混合精度控制（mixed-precision control）等演算法與系統優化技術，構建了穩定且高效的訓練流程。

實驗結果驗證了擴展法則在複雜推理任務上的有效性，顯示擴展至 1 兆參數顯著提升了樣本效率與性能上限。訓練過程呈現出先經歷初始發現階段（initial discovery phase），隨後進入銳化階段（sharpening phase）的序列進展。模型在未經手寫規則的情況下，自發發展出擬人化（anthropomorphism）、結構化格式（structured formatting）、自我驗證（self-verification）、平行推理（parallel reasoning）以及情境焦慮（context anxiety）等先進認知行為。

在數學基準測試方面，Ring-2.5-1T-Zero 在七項測試中展現了具競爭力的表現。研究團隊提出了一種涵蓋可理解性（comprehensibility）、可重現性（reproducibility）與效率（efficiency）三個維度的結構化評估框架，用以評估思維鏈（CoT）品質而非僅關注最終答案正確性。數據顯示，該模型在生成結構化且簡潔的推理軌跡方面具有明顯優勢，為理解兆級參數規模下的擴展行為提供了深入見解。