# Ring-Zero：把不用人工标注的强化学习推到万亿参数，让模型自己长出推理能力

> 原标题：Ring-Zero: Scaling Zero RL to a Trillion Parameters for Emergent Reasoning

- 来源：Hacker News 首页
- 发布时间：2026-07-16T21:38:02.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/44816
- 原文：https://arxiv.org/abs/2607.12395

## 摘要

这篇论文把 Zero RL（一种不用人类标注、靠可验证奖励来训练模型推理的方法）直接干到了 1 万亿参数。团队发现，如果只是简单放大模型，推理过程会变得啰嗦、冗余，读起来费劲。所以他们加了几个稳定训练的手段：截断式重要性采样、训练与推理的比例修正，以及混合精度控制。实验得出三个结论：第一，万亿参数让模型学得更快、上限更高。

## 推荐理由

论文把无需人工标注的 Zero RL 训练规模推到 1 万亿参数，并给出截断式重要性采样等稳定训练手段，用于应对放大后推理过程冗长冗余的问题。

## 锐评

万亿参数跑 Zero RL，这个规模本身就是结论。不用人工标注、靠可验证奖励就能把推理能力训出来，这条路在超大模型上没崩，社区担心的缩放稳定性算是被压住了。作者不是大厂，架构和训练成本都没给，这种体量的实验别人复现不了，我把它当方向验证看，不当可抄的配方。卡人的还是那几招稳定手段，截断重要性采样、训练推理比例修正，小团队能直接借的是这些。万亿这档我暂时碰不到，先看有没有人拿它做小规模复现。
