6大基准全面碾压！TW-GRPO刷新视频推理天花板，CLEVRER准确率突破50.4%！ 2025年7月6日16时 作者 机器人大讲堂 板。而 强化学习（ RL）作为推动这场技术革命的关键引擎，为大语言模型注入了强大的推理能力。 Dee
