亚洲国产综合久久,亚洲free嫩bbb,国产一区二区三区黄视频

LLM強化學習新框架！UCSD多智能體訓練框架讓LLM工具調用能力暴增5.8倍

結合樹狀采樣與角色化獎勵機制

西風 2025-11-08

LLM 強化學習

全新合成框架SOTA：強化學習當引擎，任務合成當燃料，螞蟻港大聯合出品

PromptCoT框架全面升級

西風 2025-10-01

任務合成強化學習

攻克強化學習「最慢一環」！交大字節聯手，RL訓練速度飆升2.6倍

精度無損

鷺羽 2025-09-13

字節強化學習

不愧是中國機器人，乒乓打得太6了

已經開始期待下一次的機器人運動會了

henry 2025-08-30

強化學習機器人

突破Agent長程推理效率瓶頸！MIT&NUS聯合推出強化學習新訓練方法

速度提升3.5倍，顯存降至1/4

時令 2025-08-22

強化學習

強化學習+MCP=王炸？開源框架教AI在MCP中玩轉工具解決任務，實測效果超越GPT！

強化學習+任意一張牌，往往就是王炸。

henry 2025-08-11

強化學習

官方揭秘ChatGPT Agent背后原理！通過強化學習讓模型自主探索最佳工具組合

Plus用戶每月40次使用額度

不圓 2025-07-24

ChatGPT OpenAI 強化學習

獎勵模型也能Scaling！上海AI Lab突破強化學習短板，提出策略判別學習新范式

POLAR：與絕對偏好解耦的策略判別學習

魚羊 2025-07-11

上海AI Lab 強化學習

4B小模型數學推理首超Claude 4，700步RL訓練逼近235B性能 | 港大&字節Seed&復旦

一種用在高級推理模型上Scaling RL的后訓練方法

不圓 2025-07-09

Scaling RL 強化學習推理模型

大模型刷數學題竟有害？CMU評估20+模型指出訓練陷阱

數學強，不代表啥都好

henry 2025-07-08

AI 強化學習

性能提升84%-166%！L-Zero僅靠強化學習解鎖大模型探索世界的能力 | 已開源

展現了通往更高級通用智能的清晰路徑

不圓 2025-07-01

開源強化學習

7B小模型超越DeepSeek-R1：模仿人類教師，弱模型也能教出強推理LLM | Transformer作者團隊

讓教師模型“教學”而不是“解決”

不圓 2025-06-25

Sakana AI 強化學習

MSRA清北推出強化預訓練！取代傳統自監督，14B模型媲美32B

將強化學習深度融入LLM預訓練階段

鷺羽 2025-06-11

LLM 強化學習預處理

強化學習之父：LLM主導只是暫時，擴展計算才是正解

模仿人類思維方式，只能帶來短期的性能提升

鷺羽 2025-06-10

LLM 強化學習擴展計算

挑戰強化學習后訓練霸權！全新無監督方法僅需1條數據+10步優化

無需標注、拋棄復雜獎勵設計

魚羊 2025-06-01

強化學習無監督

無需數據標注！測試時強化學習，模型數學能力暴增 | 清華&上海AI Lab

AIME 2024準確率提升159%

克雷西 2025-04-24

強化學習

大模型RL不止數學代碼！7B獎勵模型搞定醫學法律經濟全學科，不用思維鏈也能做題

將強化學習訓練擴展到醫學、化學、法律、心理學、經濟學等多學科

夢晨 2025-04-02

強化學習

業界突破多模態泛化推理能力，OPPO研究院&港科廣提出OThink-MR1技術

基于動態強化學習

一水 2025-03-30

OPPO 多模態強化學習

遷移DeepSeek-R1同款算法，小米讓7B模型登頂音頻理解推斷MMAU榜單

準確率提升31%

克雷西 2025-03-17

小米強化學習

不蒸餾R1也能超越DeepSeek，上海 AI Lab 用RL突破數學推理極限

大模型數學推理任務面臨”三重門”困局。

白交 2025-02-16

上海AI Lab 強化學習

強化學習

LLM強化學習新框架！UCSD多智能體訓練框架讓LLM工具調用能力暴增5.8倍

全新合成框架SOTA：強化學習當引擎，任務合成當燃料，螞蟻港大聯合出品

攻克強化學習「最慢一環」！交大字節聯手，RL訓練速度飆升2.6倍

不愧是中國機器人，乒乓打得太6了

突破Agent長程推理效率瓶頸！MIT&NUS聯合推出強化學習新訓練方法

強化學習+MCP=王炸？開源框架教AI在MCP中玩轉工具解決任務，實測效果超越GPT！

官方揭秘ChatGPT Agent背后原理！通過強化學習讓模型自主探索最佳工具組合

獎勵模型也能Scaling！上海AI Lab突破強化學習短板，提出策略判別學習新范式

4B小模型數學推理首超Claude 4，700步RL訓練逼近235B性能 | 港大&字節Seed&復旦

大模型刷數學題竟有害？CMU評估20+模型指出訓練陷阱

性能提升84%-166%！L-Zero僅靠強化學習解鎖大模型探索世界的能力 | 已開源

7B小模型超越DeepSeek-R1：模仿人類教師，弱模型也能教出強推理LLM | Transformer作者團隊

MSRA清北推出強化預訓練！取代傳統自監督，14B模型媲美32B

強化學習之父：LLM主導只是暫時，擴展計算才是正解

挑戰強化學習后訓練霸權！全新無監督方法僅需1條數據+10步優化

無需數據標注！測試時強化學習，模型數學能力暴增 | 清華&上海AI Lab

大模型RL不止數學代碼！7B獎勵模型搞定醫學法律經濟全學科，不用思維鏈也能做題

業界突破多模態泛化推理能力，OPPO研究院&港科廣提出OThink-MR1技術

遷移DeepSeek-R1同款算法，小米讓7B模型登頂音頻理解推斷MMAU榜單

不蒸餾R1也能超越DeepSeek，上海 AI Lab 用RL突破數學推理極限

熱門文章

免費！美團AI IDE編程工具CatPaw上線

88%的公司在用AI，但只有39%吃到真金白銀？麥肯錫2025 AI報告來了

AI編程沖刺“DeepSeek時刻”：00后團隊用國產模型一鍵直出復雜應用，效果超越Claude Code

25萬起，坦克400智能家用拉滿，輔助駕駛雨天重慶也好用

最后一周！人工智能年度榜單申報即將截止。