Peneliti menyajikan Ring-Zero, sebuah pipeline pelatihan stabil yang menskalakan pembelajaran penguatan dengan hadiah yang dapat diverifikasi ke model dengan satu triliun parameter, mengatasi masalah seperti redundansi token dan keterbacaan buruk yang ditemukan dalam penskalaan naif.
Sistem ini menggabungkan optimisasi algoritmik seperti pengambilan sampel kepentingan terpotong dan kontrol presisi campuran. Eksperimen pada tujuh benchmark matematika menunjukkan bahwa model mencapai kinerja yang kompetitif sambil secara spontan mengembangkan perilaku kognitif tingkat lanjut termasuk verifikasi diri dan penalaran paralel.
Kerangka evaluasi terstruktur menunjukkan keunggulan model dalam menghasilkan jejak penalaran yang dapat dipahami, dapat direproduksi, dan efisien, memvalidasi bahwa penskalaan ke 1T parameter meningkatkan efisiensi sampel dan batas kinerja.