待验证50% 置信基准精确时间

仓库中签入的一个 GSM8K 实验在关闭 hermes memory 条件下，使用 72 个会话的作业流，用 Qwen3-32B 扮演学生 persona，用 Qwen3-4B-Thinking 作为被训练的策略模型

1

来源数

50%

置信度

长期有效

时效性

2026/10/2

首次发现

来源

一个仓库两种循环：哪个才是真正的RL？

涉及实体

GSM8Kconcept Qwen3-32Bmodel Qwen3-4B-Thinkingmodel

相关事实

待验证Hermes 负责工具调用、记忆管理和任务执行，连接的 LLM 负责推理和生成回答64% 相似已验证大模型默认不具备记忆能力，需要引入ChatMemory机制才能记住过去几轮对话内容61% 相似已验证Qwen3 27B默认开启思考模式，支持关闭思考，并通过Reasoning Effort参数控制推理强度61% 相似待验证Thinking Machines Lab发布了一款规模达9750亿参数的开源权重大语言模型60% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/966912

API

curl https://kongchang.com/api/v1/knowledge/claims/966912

MCP

get_claim(id=966912)